文摘
研究降雨变化之间的关系和冲突产生了矛盾的结果。这项研究首次表明,降水变化对冲突的影响的意义取决于时间单元的分析。我们证明这一点通过比较的统计学意义之间的联系地理冲突和月度和年度降雨可变性与面板数据分析从1989年到2020年的水平。我们发现增加10%月降雨量减少冲突的风险发生率0.0298%,但年降雨量的变化不是统计学与冲突爆发。这些统计上显著的差异结果的聚合数据分散和漠视的时机降雨对冲突的影响。这些发现强调信息的重要性在月降雨量变化估计降雨对冲突的影响。
介绍
社会继续饱受武装冲突。这些冲突可以定义为暴力冲突期间,有一个使用武装部队在2014年造成101400人死亡,使其成为后冷战时期最暴力的一年1。从历史上看,低社会经济发展、国家能力,和组间不平等的武装冲突的最重要的因素2。然而,最近的证据表明,气候异常也可能导致爆发冲突。
在心理学和经济学的研究表明,个体表现出暴力行为时受到极端气候条件的影响3。例如,极端降雨变化显示增加个人暴力的女巫杀戮在坦桑尼亚4在德国,财产犯罪5在印度,武装冲突6。然而,有一个学术争论这些现象在宏观层面的概括和大规模暴力,如世界各地的武装冲突。
表1总结了一个样本的研究评估降雨和冲突之间的联系。对比这些研究相对于他们的支持或反对的统计学意义这两个变量之间的关系。一方面,它是不断发现低水的可用性会增加冲突的风险3,7,8,9,10。例如,在非洲最悲观的估计表明,消极的降雨异常相对于长期平均水平值武装冲突的风险增加了45%11。
先前的研究表明,这些冲突往往关注群际暴力在获取稀缺资源从低降雨量的可用性11,14。例如,主要降雨偏差可能会降低收入理论是冲突的一个主要指标。这些降雨偏差也可能会导致分歧的分配有限的资源,或者他们可能形状的诉诸暴力的使用预想的目标3。更明确,降雨量变化会导致移民寻求新的生活方式之间的冲突不受降雨影响的偏差和原地岩体人群欢迎这些移民有限的土地资源15。降雨偏差也可能导致冲突,因为访问公共水井或grazelands有限11,16。
另一方面,表1表明,许多研究未能找到一个统计上显著的冲突与降雨量之间的联系17,18,19,20.,21,23,24。根据调查的文献,分歧在模型规范,变量用来解释降雨损失,数据来源和研究区域差异的主要原因的结果之前的作品3,18。然而,表1显示,除了这些原因,研究报告没有统计学意义rainfall-conflict链接有一个共同的特点:他们使用一个年降雨量指数分析3,18,20.,21,25,26,27,28,29日,30.。以来降雨量变化可能会加剧冲突通过月度水平运行的机制,每年级分析可能掩盖了降雨和冲突之间的关系。
因此,本研究推测,困难在寻找降雨变化之间的联系和冲突发生率是由于缺乏关注的时间单位的分析。为此,分析评估气候变化的影响,以年度和月度降雨量变化,冲突爆发。气候变化研究的范围主要局限于这些时间单元(年,月),因为降水的年代际和一世纪的变化与气候变化和降水是指每天或每小时变化的天气变化。
关于降雨变化,无数的证据突出了有害的降雨对冲突的影响由intra-yearly降雨量的变化。例如,冲突与季节性迁徙的动物放牧transhumant牧民14,16,31日在作物生长季节,降雨损失32,33食品价格上涨34,35,食品不安全36是高度受到降雨每月和季节性变化。此外,宏观经济研究调查事件自然灾害之间的巧合,如降雨的冲击,发现灾害和冲突之间的确切联系只有当分析的时间不超过三个月37。这些影响降雨变化冲突可能undiscernible每年平均水平。换句话说,水文研究表明,即使年降雨量不会改变显著,可以湿润的雨季旱季可以干燥38,39。人口在这些情况下,可能会影响到不同的月降水的水平,以及他们对这些变化的反应可能会导致冲突。
因此,本研究调查了假设有统计上显著的降水变化之间的关系和冲突爆发在月度水平但不是每年在地方性的层次水平。因此,降雨对冲突事件的影响当降雨量测量在每月和每年的水平进行了比较。武装冲突分析与执行地理数据提供的乌普萨拉冲突数据项目地理事件数据集(UCDP GED)从1989年到2020年在非洲,亚洲和美洲40。UCDP GED武装冲突定义为所有battle-related事件导致至少25人死亡。尽管大多数研究侧重于非洲,该研究使用UCDP GED数据集覆盖三大洲提供全球有关此主题的诠释41。这种分析只考虑这些大陆,因为他们表现出冲突暴发期间的研究,可以保证统计分析(见图。S1补充信息(SI))。欧洲和大洋洲只经历了15和7冲突事件,分别在1989年和2020年之间。此外,这项研究着重于非国有出发冲突,这与先前的研究一致表明rainfall-induced强调冲突风险更有可能影响公民等非国家行为体11,42,43。这些冲突与成为,牧民、农民、牧民的暴力、民兵之间的冲突或攻击平民。进一步分析冲突涉及国家演员也表演。
然后,从残波月度和年度历史数据收集44。这个数据集提供了全球降水的估计在0.05°的决议。平均这些降雨后估计国家一级的行政单位,从今以后都简称为“地区”,降雨与冲突合并数据。这些地区适合当前的调查图。S2在SI表明区域边界形状冲突在世界范围内发病率。这些区域捕获组级别动力学,可以作为导致种群之间的冲突,并依赖于降水的水平。这些团体动力学可以与当地经济结构的基于农业,畜牧业,政治过程,选举竞赛,或提供公共物品11。分析不使用国家和民族和解为主要单位的观察,因为国家层面的分析不够准确,在民族和解和数据主要是与非洲有关。或者,作为观察单元网格像素无法捕获组级别跨种群动力学。
本研究使用面板数据固定效应模型使用一个普通的最小二乘(OLS)估计退化研究降雨对冲突的影响发病率和发病。OLS估计用于提供容易理解的固定效果和比较几种模型的选择。鲁棒性检查,分对数和多级混合效果用来确定OLS回归都有偏见的二进制字符发生冲突。
主要分析不包括控制变量,因为它们可能捕获的部分总降雨量对武装冲突的影响。有一个学术共识,气候与冲突之间的关系是间接的或收入和人口条件等许多因素2。当前的进展集中在识别因素有很多,这是因果受降雨影响,增加冲突风险由于这种因果影响。因此,回归包括代理这些因素作为控制变量将收益率估计降雨的影响,当这些因素是常数。这些最终的回归,从而,通知部分气候对冲突的影响。我们回归依赖外源性自然降雨变化来估计其总影响(见“方法”更多细节的识别策略)。控制变量是只考虑鲁棒性检查。
然而,主要分析灵活控制全球的冲击区域特性固定时间,许多年的和平,并最终在国内地区之间的相关性。这种固定效应回归技术允许每个地区的比较与自身当受到不同程度的降水的影响3。它提供了可靠的估计因果以来降雨对冲突的影响平均降雨量变化是外生的。
结果
表2报告的平均降雨量变化之间的关系和冲突(发病率和发病)当数据平均每月和每年。积极的月降水变率降低冲突的风险发生率(p = 0.048)但不发病。在首选的模型规范(模型1,表2),一个额外的毫米(mm)地区月降雨量相对于长期平均降雨量减少冲突的风险发生率0.00298%。这大约1毫米对应于一个百分比增加降雨量相对全球平均水平(103.2毫米/月,见下表S3)。换句话说,平均每月增长10%,降雨导致冲突的风险低0.0298%。虽然统计学意义,小幅度的估计显示,降雨是一个小司机的冲突并不是统计相关的新冲突。然而,执行相同的回归数据平均每年生产估计没有统计上显著不同于0 10%统计信心的发病率和发病(表的冲突2)。
月度和年度分析之间的分歧的结果不是异构基于区域和国家的收入水平。结果可比在低收入和高收入国家内部区域,以及低收入和高收入国家(表S1)。因此,年度和月度分析之间的差异是不会受到的高收入国家和地区在我们的样例。同样,regional-specific分析表明,增加降雨对冲突的影响各大洲分散在地区被认为是在分析(见图。1)。因此,降雨的影响并不局限于某一群世界上国家或地区。然而,某些地区的经验当面对冲突的风险更高更高的降水。以前有研究指出这种积极的关系在撒哈拉以南非洲地区月度水平45。它表明,降雨减少冲突的风险,根据上下文和不同地区的关系。
估计每year-month降雨对冲突地区的影响。这张地图使用二元配色方案来显示降雨对冲突发生率的影响。这种影响体现的系数估计回归分析的假定值系数。运行一个单独的回归为每个地区(见补充信息)。图不包括区域没有经历任何1989年和2020年之间的冲突和地区不屈服的回归系数估计相应的统计学意义。地图投影使用圆柱状的等积投影。−−2 e 06的价值系数估计指的是平均降雨量的影响表的冲突1。这些地图都是借助ArcGIS Pro 2.8 (https://www.esrij.com/products/arcgis-pro/)。
这种分歧的结果对观测的时间单位是最健壮的替代模型规范关于冲突发生率。月度水平分析表明,高降雨量减少冲突发生时扣除时间固定效应(SI TableS4模型3),区域固定效应(SI TableS4模型4),或者包括地区收入、预期寿命和总人口控制变量(SI TableS4、模型5)。换句话说,月降雨量的影响冲突风险不受全球气候模式(1)时间,人口、经济增长、冲突或报告数据;(2)它不是由比较各地区区域内而不是在不同的时刻;(3)不改变,因为不同区域社会经济因素。此外,改变样品的分析主要支持先前的发现。这是限制区域的示例所示,期间经历了至少一个冲突的研究或非洲地区,大多数之前的研究焦点(SI TableS4、模型6和7)模型。除了样本限制非洲地区,降雨模型4 - 7产量没有联系和冲突进行分析时每年级别(SI TableS5)。然而,指出降雨对冲突发生率有显著影响(p = 0.09)和发作(p = 0.04)在非洲,每年一次的水平。
这些发现揭示降雨影响冲突在月度水平但不是每年的水平也健壮的使用不同的数据和回归技术(SI表S6和S7)。使用冲突的数量一个月作为因变量,而不是一个二进制变量冲突的发生表明,一个额外的0.00133毫米的降雨量与降低冲突的数量(p < 0.01, SI TableS6模型8)。此外,月降雨量观测对冲突的影响持续当使用分对数或两级混合效应线性回归估计技术和随机拦截在国家层面和区域层面的控制变量(SI TableS6,分别为模型9和10)。与空间自回归模型回归强劲的空间相关性(SI TableS6,模型11)和引导的标准错误纠正潜在的串行自相关(SI TableS6,模型还12)确认结果。
此外,异常观测不开这些结果(SI表S10和S11)。测量降雨量作为标准化值对长期地区平均水平或对数支持以前的解释(分别为模型13和15)。补充分析限制阈值之间的样本标准化降雨值−3和3下降异常值也证实先前的结果(14)模型。
改变的定义冲突支持结果表明月度水平回归更好的捕捉冲突(SI表上降雨的影响S12和向)。模型考虑冲突涉及州(16)或武装冲突作为acl定义的数据模型(17)证实了此前的估计。最后,调查在国家层面而不是地区层面上与以往的解释模型(18)。
最后,由于一些鲁棒性检查需要不同的样品规格,我们确保样本的差异不会影响结果的信心。执行之前的回归与区域(1)经验至少一个冲突(见图。S1)和(2)在1991年和2019年之间的所有控制变量可用(无花果。S3)。这个小数量的地区提供了一个样本一致回归,主要验证先前的估计(参见SI表S14系列来S21)。
保证这些研究结果的可靠性后,解释月度和年度统计显著性差异分析进行了研究。我们提出这个分歧是由于(1)的时机降雨对冲突的影响,(2)每月在年降雨量的色散。没有冲突和滞后之间的统计相关性的主要观测月降雨量可能揭示这种影响的时机(无花果。2)。包括过去6和未来六个月的降水观测的回归分析面具的降雨和冲突发病率之间的联系。因为没有过去和未来降水变量影响的概率武装暴力,一个可以认为他们聚合有助于消除降雨和冲突之间的关系在年度水平。第二,我们退化冲突发生率与降雨量的标准差基于年度月度观察水平评估intra-annual降雨色散的影响(表冲突3、模型19)。数据表明,一个大型intra-annual降雨色散减少冲突的可能性,而不是平均降雨量。这一结果表明,冲突不太可能发生在降雨集中在几个湿一年几个月。
讨论
气候因素的影响在武装冲突爆发已经进行了广泛的调查17,46。尽管大量的文献表明,冲突疫情与降水变化有关11,17,23,24,43,47,48这个链接,其他研究比赛2,3,25。这个分析的结果表明,反对派关于这个主题的一部分可以归因于缺乏关注的时间单位分析。他们还表明,无法找到一个统计每年级别的降雨变化之间的联系和冲突可以解释的漠视时间在这种关系和intra-annual降雨量的变化。
大多数文献调查认为相比,温度对冲突的影响,降雨的影响是较小的,如果不是不存在的。例如,研究使用平均气候因素超过六个月48和37年来气候指标49显示温度变化影响的冲突,但不是降雨量的变化。这些发现将有助于研究人员的关注产生冲突的风险由于温度变化或缺水干旱指数等指标,而不是降雨水平3。我们的分析表明,降水变化之间的关系和冲突可能会在大的时间内看不见的。在评估这种关系,研究必须进一步描述降雨影响冲突的过程,尤其是那些在月度水平8,49。
关于降雨的影响的特异性,这种效应似乎有一个小幅度。这个结果他先前的研究表明,尽管全球气候变量在冲突爆发中发挥作用,其影响是次要的2,48。此外,结果表明,月降雨量减少冲突发生的概率,但不发生冲突:冲突易发地区降水的影响主要的担忧。此外,降水变化对冲突的影响并没有改变国家和地区经济发展水平的相对。这估计是发散的结果表明降雨对冲突的影响集中在贫困地区42,43。我们相信,我们的研究结果提供了一个相关的观点在这个问题上由于我们使用货币的收入估计术语虽然以前的研究使用卫星夜灯数据和婴儿死亡率作为经济发展的指标。最后,降雨对冲突的影响是分散在美洲、非洲和亚洲。总的来说,这些发现表明,降雨对冲突有边际效应在冲突易发地区,不论收入水平和欧洲大陆。
然而,重要的是要重申,本研究着重于同期降水对冲突的影响。以前的研究集中在如何过去降雨影响武装冲突通过降低机会成本进入冲突后经济活动扭曲。尽管滞后月降雨观测并不与无花果的冲突。2我们不否定这种概念框架,但细微差别在两个方面。
首先,进一步数据探索强调降水前的月发病率降低冲突爆发冲突的可能性当领导观察被排除在模型(SI TableS22,模型20和21)。此外,在一年一度的层次的分析,缺乏同期降雨影响冲突与滞后的影响,降雨变化发生后三年。三年后,以前每年降雨量观测与冲突的概率较低发病率和发病(SI TableS23)。这种滞后效应在每年级同意先前的研究的概念框架。例如,叙利亚战争爆发之前,连续七年的干旱,导致收入减少,在该国北部起义50。然而,没有明显降雨异常的内乱。总体而言,降雨的影响附近的冲突,同时运行,同时在月度水平和滞后影响年度水平意味着降雨变化可以作为冲击在短期内爆发的冲突(每月的地平线),但也有助于预谋的权衡长期从事冲突(每年地平线)。
第二,以前的分析表明,当地降雨量不足一个月又会增加社会动荡的可能性在非洲通过其对食品价格冲击的影响34和粮食不安全36。另一项研究中,使用Twitter数据在肯尼亚,强调人口可以以最快的速度反应日常水平当面临水资源短缺51。然而,我们的研究结果并不完全支持这个通道,降雨稀少在月度水平增加冲突的风险。表3表明过intra-yearly降雨减少冲突风险之间存在较大的差异。这意味着几个月降雨量的浓度减少暴力的风险在冲突易发地区,即使几个月降水量较低。简而言之,虽然降水稀少不冲突的可能性增加,大降雨减少这种可能性。这个解释也解释了为什么国家冲突不太可能在湿月(SI TableS12、模型16)。我们猜想,强降雨可能会扰乱持续的武装冲突。这个结果可能反映了实际困难参与冲突有关淹没了道路,减少异象,或淹没住所非常多雨的时期,或者conflict-actors可能把注意力雨养活动。我们相信这个解释是合理的,因为这种影响是同时发生的,因此,描述了一些有预谋的行动。然而,这个解释是基于差异的影响在过intra-yearly降雨冲突风险,只在10%的显著水平。进一步的研究需要严格调查这个解释和其他降雨量之间的联系和冲突。
事实上,这项研究的范围仅限于检查平均降雨量对冲突的影响在不同的时间尺度。虽然结果分析倡导一种更好的方式来描述降雨影响通过哪些渠道冲突在每月的层面,本研究没有经验识别它们。识别这些通道是超出了这一分析的范围,因为他们的地区和上下文特异性要求细致的评估。尽管许多研究试图量化这些渠道在全球环境中,他们的结果是取决于降雨影响只有通过个人渠道冲突,他们认为在各自的分析2,8,25。这种假设可能会失败,因为一些该领域的专家一致认为,气候影响通过几个渠道冲突,通常很难量化2。虽然复杂,但严格的识别策略显示,这些渠道等渠道可以通过深入分析确定土壤质量52、大坝位置10,或季节性迁移16。
此外,我们认识到系数和降雨量的影响回归的统计意义的冲突爆发远小于先前的研究的估计。这个小幅度可能表明,使用许多不同的地区作为分析单位不可能抓住所有的细微差别降雨对冲突的影响。因此,需要进一步的研究来验证我们估计的可靠性在不同空间尺度上,如高分辨率像素或民族。
最后,结果表明,非洲地区降雨条件冲突水平年度和月度水平。这可能强调,作为非洲大陆最高的为他们的经济活动依赖于降雨53,54,和非洲国家都很容易受到降雨量变化和冲突,每年降雨量的偏差可能显著影响这些区域41。由于这些结果在10%显著统计置信度,进一步分析需要评估这种影响的鲁棒性。
方法
数据
表中描述的所有数据源S2,他们总结统计在国家一级行政单位被发表在表S3。数据冲突事件源于v.21 UCDP GED版本。这个数据记录每个涉及国家和非国家行为体的武装冲突,导致至少25 battle-related死亡人数从1989年到2020年期间至少一个日历年度7。我们使用UCDP GED非国有冲突,定义为两个有组织的武装组织之间的对抗,都是国家的政府。专注于非国有冲突遵循先前的研究的方法解决出发降雨和冲突之间的关系11,42,43。我们不区分国际化和non-internationalized冲突。灵敏度检查的结果,我们也使用武装冲突位置&事件数据项目(acl)数据至少有一个死亡的武装冲突。acl数据报告所有与geo-localizations全球政治暴力抗议事件。因为他们的记录不是基于25 battle-related死亡阈值计数,acl数据主要是不同于UCDP GED数据报告冲突,而不是武装冲突。因此,鲁棒性检查只使用acl的武装冲突和至少一个死亡比例与UCDP武装冲突的数据进行比较。
使用geo-localization信息,所有发生的冲突事件与地方性的区域合并他们,然后按年year-months分组。地区最高行政单位在一个国家,作为全球行政区域显示的数据库(GADM)。此管理单元对应,例如,在美国,在中国各省,县在日本。然后,这个region-month region-year数据,我们创建两个二元因变量:冲突发病率和发病42。分配冲突发生率1观察的价值冲突,至少有一个发生在一个地区研究期间(月或年)和0。另一方面,冲突爆发变量编码1如果冲突地区的经验,如果连续至少两年之前这个冲突,还有没有。当这两个条件不满意,我们这个变量编码为0。分析定义冲突爆发冲突发生后连续5年的和平产生相同的结果(参见SI TableS20)。由于冲突爆发的定义,我们无法区分冲突发病率和发病前两年的样本。因此,回归与因变量发生冲突只使用观察从1991年到2020年。
降雨气候灾害中心的信息收集红外降水与电台(啁啾),可以在每月和每年0.05决议44。这降雨估计生成基于全球降雨气候学、卫星降水估计,和原位降雨观测。社会经济数据年度人均收入水平、人口预期寿命,源于地方性的人类发展指数(SDHI)55在和世界银行在国家层面出发。因为SDHI地图使用区域边界不同于GADM(单元)的分析,我们估计GADM区域的质心和包裹SDHI地图合并数据。
回归分析
我们的首选模型规范使用的统计方法文献之回顾3。面板数据固定效应,对自己比较每个地区的人口在不同时刻的时间当他们暴露于不同程度的降雨。这种方法使用每个区域作为违反事实的本身,当受到不同程度的降雨的影响。这种比较的结果可以被认为是一个可靠的估计因果降雨对冲突的影响因为我们评估每个人如何回应不同降雨条件下体内由气候系统决定的。面板数据固定效应模型可以表示如下:
在地区我\ \ ()在这段时间\ \ (t),\({冲突}_{它}\)冲突的发生是一个二进制变量,\({降雨}_{它}\)平均降雨量。的变量\ ({NP} _{我t - 1} \)是每个地区的数年和平滞后的一个周期。它将控制序列相关性模型作为地区历史上人口在未来更有可能面临冲突。我们假设没有经历冲突地区样本可用性的第一年(1989年)第一个和平。由此可见,1989年没有一个估计的变量\ ({NP} _{我t - 1} \)从回归,因此下降。
每个地区为代表的固定效果我\({\μ}_ {}\)和捕捉未被注意的定常差异等跨地区地理、历史的机构,或文化。这个词\({\θ}_ {t} \)是一个哑变量的研究占年或集团year-month取决于时间层次的分析。这个变量设置为占月平均降水和季节性等时间参数全局模式的全球经济和人口增长与降雨和冲突。此外,报告冲突的能力提高了由于信息和通讯技术(ICT),变量\({\θ}_ {t} \)是至关重要的对于区分PRIO-GED记录冲突日益增长的能力随着时间的推移,从全球降雨量变化趋势。最后,β\ (\ \)平均降雨量对冲突的影响,\γ(\ \)是和平年的数量的影响,然后呢\ ({\ varepsilon} _{它}\)地区的特殊的错误吗我\ \ ()在这段时间\ \ (t)。
识别β\ (\ \),情商。1)不包括社会经济控制变量,因为它们可能对冲突偏见降雨的影响3。这些偏见可以概括为两类。首先,包括收入和人口变量控制在情商。1)总降雨量对冲突的影响变弱降雨可能通过这些变量影响的冲突。这个问题被称为坏控制变量。明确,降雨是导致冲突通过其对多种因素的影响,如收入冲击(总结这些影响在文学评论2,25)。因此,包括这些因素作为控制变量会产生估计rainfall-conflict联系当这些因素是常数和漠视频道,降雨影响冲突。例如,保持收入不变,使用它作为一个控制变量将无视这一事实降雨可以通过收入冲击影响的冲突。
第二,除了受到降雨的影响,控制变量如收入和人口不得直接相关的冲突,但通过无法量化的特性,如机构。换句话说,与降雨量不同,这些不是外生控制变量。他们很可能与特殊的误差项。将坏的控制将违反exogeneity假设,作为独立变量是相关的一些误差项。违反exogeneity假设结果偏差系数56(见进一步细节3)。
方程(1)并不意味着降雨量只有直接影响冲突。随着降雨量的变化外生,情商。1)假设可以被降雨对冲突的影响β\ (\ \)无论机制支撑这种关系。人口的地区受到不同程度的降雨影响,他们不能预先确定,和他们对这些变化的反应,通过任何渠道,可能会导致冲突。
从概念上讲,分析使用固定效应估计技术占定常与冲突和降水相关的因素,如地形、长期机构,文化,国际边界。然而,我们进行了一个豪斯曼测试来确定这项技术的相关性。豪斯曼测试评估的差异系数估计之间的固定和随机影响模型时,建议使用固定后果模型系数的差异。在这个分析中,豪斯曼检验显示需要固定效应模型技术在有或没有控制(参见SI表S15- - - - - -S22)。尽管如此,随机效应回归也执行评估固定效应的结果的鲁棒性。多层次混合效果的回归也作为鲁棒性检查评估解释的可靠性。
回归使用OLS技术同意先前的研究尽管基于二进制的独立变量3。这个选择驻留在OLS的效率占固定效果和易于解释的线性模型的系数52,57。降水异常的影响在冲突爆发解释为百分比乘以β\ (\ \)100年以来因变量代表冲突暴发范围在0和1之间。我们也估计降雨的影响冲突的逻辑回归模型鲁棒性检查42。
然后,我们估计的影响滞后和月降水的主要观测变量在使用Eq冲突。(1)。本评估旨在确保结果不假,理解为什么降雨对冲突的影响可能不同时间单位的分析。未来的观测月降雨量不应影响冲突的爆发。因此,未来降水量的估计系数变量应该统计的零,突出我们的解释的鲁棒性系数。然而,之前月降雨量的变化可能会导致未来的冲突。因此,如果滞后的观察月降雨量变化影响冲突,聚合的观察在一年一度的水平可能有助于捕捉这种效果。然而,如果落月降雨量并不影响冲突,聚合在年度水平包含一些噪音在降雨和冲突之间的关系。
尽管大型横截面单位(地区的数量= 2559),我们怀疑序列相关性可以一个问题由于降水的季节性。与500重复回归block-bootstrap标准错误,包括集群的错误在国家和地区层面来看,用于额外的分析跨国家和地区占序列相关性。先前的研究表明这种技术的鲁棒性与序列相关58,59。此外,降雨模式和冲突并不是随机的空间。空间自相关可能发生因为冲突地区可以波及周边地区在同一个国家。因此,除非另有规定,标准错误集中在国家层面(161集群)。
此外,空间自回归模型(SAR)是退化国界以外的空间自相关(参见SI无花果。S1和S2)。特区的概率假设冲突地区我\ \ ()在期\ \ (t)影响冲突的概率与它接壤的地区。特区可以表示如下:
在哪里\({冲突}_ {jt} \)表示一个二进制变量发生冲突的地区\ (j \)在期\ \ (t)。\ ({w} _ {ij} \)是一个邻近权重矩阵的元素\ ({\ varvec {W}} \)的大小\ (n \)×\ (n \)描述区域之间的空间关系我\ \ ()和\ (j \)(\ (n \)是观测的数量在每个时期)。这个词\ ({w} _ {ij} \)= 1,如果区域我\ \ ()和\ (j \)共享一个地理边界和0。错误的词\({你}_{它}\)被认为构成一个空间相关组件\ ({v} _{它}\)和一个组件\ ({\ varepsilon} _{它}\)通常被认为是分布在观察的样本。这个词ρ\ (\ \)空间自回归系数描述邻近的局部冲突和冲突的影响\λ(\ \)自回归系数是描述错误的相关条款在邻近地区。SAR是通过最大似然估计技术退化,因此并不描述一个因果的估计60。SAR模型不包括我\({\μ}_ {}\)和\({\θ}_ {t} \)因为它无法收敛,否则在软件占据17。
最后,另一组进行鲁棒性检查。另一种模型规范评估控制变量的遗漏是否影响我们的研究结果的解释。地区的人口统计,平均预期寿命,人均收入用于这一目的。此外,我们评估是否改变降水标准化值在区域的测量单位长期降雨意味着或对数影响解释。我们也进行分析,每个地区的冲突数量作为因变量,因为它可以更好地描述降雨的影响强度的冲突。因变量,用负二项回归模型退化技术占没有计数变量的分布33。最后,在其他变异的冲突的定义是改变。一种定义使用UCDP GED数据涉及国家的冲突。另一个冲突的定义包括改变数据源从UCDP GED acl因为他们报告不同类型的信息。只有武装冲突的acl。
数据可用性
代码复制所有的结果是可用的https://github.com/ThierryCoul/Rainfall_conflcits。
引用
佩特森,t & Wallensteen p .武装冲突,1946 - 2014。j .和平Res。52,536 - 550 (2015)。
马赫,k . J。et al。气候作为武装冲突的风险因素。自然571年,193 - 197 (2019)。
香,s M。,Burke, M. & Miguel, E. Quantifying the influence of climate on human conflict.科学341年,1235367 (2013)。
米盖尔,大肠贫困和女巫杀死。启经济学。钉。72年,1153 - 1172 (2005)。
Mehlum, H。,Miguel, E. & Torvik, R. Poverty and crime in 19th century Germany.j .城市经济。59,370 - 388 (2006)。
-布莱克斯利合著d s & Fishman, r .天气冲击,农业,和犯罪。j .的嗡嗡声。Resour。53,750 - 782 (2018)。
亨德里克斯,c . s . & Salehyan,即气候变化,降雨,在非洲和社会冲突。j .和平Res。49、~ (2012)。
Koubi,气候变化和冲突。为基础。启Polit。科学。22,343 - 360 (2019)。
罗利,c & Kniveton d .风雨无阻:一个分析在东非的冲突和气候变化。j .和平Res。4951 - 64 (2012)。
Sarsons, h .降雨和冲突:一个警示。j . Dev,经济学。115年,62 - 72 (2015)。
Fjelde, h &冯Uexkull:气候触发:降雨异常、脆弱性和公共冲突在撒哈拉以南非洲。Polit。Geogr。31日,444 - 453 (2012)。
Hodler, r & Raschky, p . a .经济冲击和国内冲突区域的水平。经济学。列托人。124年,530 - 533 (2014)。
伊达尔戈,f . D。Naidu S。,Nichter, S. & Richardson, N. Economic determinants of land invasions.启经济学。统计。92年,505 - 523 (2010)。
迈耶,P。,Bond, D. & Bond, J. Environmental influences on pastoral conflict in the Horn of Africa.Polit。Geogr。26,716 - 735 (2007)。
冯Uexkull: & Buhaug h .安全的影响气候变化:一个十年的科学进步。j .和平Res。583 - 17 (2021)。
McGuirk, e . &南都,N。Transhumant田园主义、气候变化和冲突在非洲。http://www.nber.org/papers/w28243.pdfhttps://doi.org/10.3386/w28243(2020)。
Buhaug, h .气候不是非洲内战的原因。Proc。国家的。学会科学。美国107年,16477 - 16482 (2010)。
Buhaug, H。et al。一个影响统治他们所有?评论的气候和冲突。爬。改变127年,391 - 397 (2014)。
Tertrais, b .气候战争神话。洗。Q。34,17 - 29日(2011年)。
Theisen, o . M。,Holtermann, H. & Buhaug, H. Climate Wars? Assessing the claim that drought breeds conflict.Int,安全内核。36,79 - 106 (2012)。
van Weezel,美国经济冲击和国内冲突发生在撒哈拉以南非洲,1981 - 2010。Def。和平经济学。26,153 - 177 (2015)。
Salehyan &亨德里克斯,c . s .气候冲击和政治暴力。水珠。环绕。改变28,239 - 250 (2014)。
伯克,m . B。米盖尔,E。,Satyanath, S., Dykema, J. A. & Lobell, D. B. Warming increases the risk of civil war in Africa.Proc。国家的。学会科学。美国106年,20670 - 20674 (2009)。
哈拉尔族人,m &费拉拉,大肠冲突、气候、和细胞:分解分析。启经济学。统计。One hundred.,594 - 608 (2018)。
Koubi、气候变化、经济和冲突。咕咕叫。爬。改变代表。3,200 - 209 (2017)。
Wischnath, g . & Buhaug h .气候变化和内战在亚洲。爬。改变122年,709 - 721 (2014)。
·西科尼,A .经济冲击和国内冲突:一个评论。点。经济学。j:。经济学。3,215 - 227 (2011)。
伯格浩特,d & Lujala p与气候相关的自然灾害,经济增长,和武装内战。j .和平Res。49,147 - 162 (2012)。
Koubi, V。,Bernauer, T., Kalbhenn, A. & Spilker, G. Climate variability, economic growth, and civil conflict.j .和平Res。49,113 - 127 (2012)。
Buhaug, H。,Benjaminsen, T. A., Sjaastad, E. & Magnus Theisen, O. Climate variability, food production shocks, and violent conflict in Sub-Saharan Africa.环绕。卷。10125015 (2015)。
Adano, w·R。迪茨,T。,Witsenburg, K. & Zaal, F. Climate change, violent conflict and local institutions in Kenya’s drylands.j .和平Res。49,65 - 80 (2012)。
卡鲁索,R。,Petrarca, I. & Ricciuti, R. Climate change, rice crops, and violence.j .和平Res。53,66 - 83 (2016)。
克罗斯特,B。,Duquennois, C., Felter, J. H. & Rees, D. I. Climate change, agricultural production and civil conflict: Evidence from the Philippines.j .包围。经济学。管理。88年,379 - 395 (2018)。
史密斯,t . g .喂养动荡:理清食品价格冲击之间的因果关系和社会政治的冲突在非洲城市。j .和平Res。51,679 - 695 (2014)。
罗利,C。,Choi, H. J. & Kniveton, D. The devil is in the details: An investigation of the relationships between conflict, food price and climate across Africa.水珠。环绕。改变32,187 - 199 (2015)。
琼斯,b . T。,Mattiacci, E. & Braumoeller, B. F. Food scarcity and state vulnerability: Unpacking the link between climate variability and violent unrest.j .和平Res。54,335 - 350 (2017)。
Schleussner,张炳扬。盾,j·F。,Donner, R. V. & Schellnhuber, H. J. Armed-conflict risks enhanced by climate-related disasters in ethnically fractionalized countries.Proc。国家的。学会科学。美国113年,9216 - 9221 (2016)。
Mallakpour,我。,Sadegh, M. & AghaKouchak, A. A new normal for streamflow in California in a warming climate: Wetter wet seasons and drier dry seasons.j .二聚水分子。567年,203 - 211 (2018)。
周,C。et al。增加干态和湿季降水之间的范围。Geosci Nat。6,263 - 267 (2013)。
桑德博格,r & Melander,大肠介绍UCDP地理事件数据集。j .和平Res。50,523 - 532 (2013)。
亚当斯,C。Ide, T。,Barnett, J. & Detges, A. Sampling bias in climate–conflict research.Nat,爬。改变8,200 - 203 (2018)。
冯·Uexkull N。Croicu, M。,Fjelde, H. & Buhaug, H. Civil conflict sensitivity to growing-season drought.Proc。国家的。学会科学。美国113年,12391 - 12396 (2016)。
赫尔曼以及D。,Zaitchik, B. F. & Funk, C. Climate has contrasting direct and indirect effects on armed conflicts.环绕。卷。15104017 (2020)。
恐慌,C。et al。站的降水气候灾害红外:一个新的极端环境监测记录。科学。数据2150066 (2015)。
麦克,大肠。et al。撒哈拉以南非洲地区冲突及其与气候变化的关系。科学。总环境。775年145646 (2021)。
香,s m &孟k.c.协调分歧在非洲气候冲突的结果。Proc。国家的。学会科学。美国111年,2100 - 2103 (2014)。
Bohlken, a t & Sergenti e . j .经济增长和种族暴力:实证调查印度的印度教和伊斯兰教之间的骚乱。j .和平Res。47,589 - 600 (2010)。
intuition, J。et al。气候变化和冲突风险在东非,1990 - 2009。Proc。国家的。学会科学。109年,18344 - 18349 (2012)。
托架,h .连接气候变化和冲突:实证测试的影响。Polit。Geogr。531 - 9 (2016)。
凯利,c·P。、Mohtadi年代。甘蔗,m。,Seager, R. & Kushnir, Y. Climate change in the Fertile Crescent and implications of the recent Syrian drought.Proc。国家的。学会科学。美国112年,3241 - 3246 (2015)。
科伦,O。,Bagozzi, B. E. & Benson, T. S. Food and water insecurity as causes of social unrest: Evidence from geolocated Twitter data.j .和平Res。58,67 - 82 (2021)。
Goyette, j . & Smaoui m .低农业潜力加剧了温度对国内冲突的影响。生态。经济学。192年107250 (2022)。
以法莲,N。,Timothy, J., Ho, Y. K. & Kato, E. Economics of land degradation in Sub-Saharan Africa. in土地退化和经济全球可持续发展评估改进。215 - 259 (Springer,可汗,2016)。
巴里奥斯,S。,Ouattara, B. & Strobl, E. The impact of climatic change on agricultural production: Is it different for Africa?食品政策33,287 - 298 (2008)。
史密特,j . & Permanyer,即人类开发数据库分区。科学。数据6190038 (2019)。
里奇,J。计量经济学导论:现代的方法第四版(西南,2008)。
·安格瑞斯特,j . d . & Jorn-Steffen P。主要是无害的计量经济学:经验主义的伴侣(普林斯顿大学出版社,2008)。
伯特兰,M。,Duflo, E. & Mullainathan, S. How much should we trust differences-in-differences estimates?.夸脱。j .经济学。https://doi.org/10.1162/003355304772839588(2004)。
Coulibaly, t Y。,Wakamatsu, M. T. & Managi, S. The use of geographically weighted regression to improve information from satellite night light data in evaluating the economic effects of the 2010 FIFA World Cup.区域开发政策。https://doi.org/10.1080/23792949.2022.2030774(2022)。
吉本斯,美国&工头,h . g .大多是毫无意义的空间计量经济学?。j . Reg。科学。https://doi.org/10.1111/j.1467-9787.2012.00760.x(2012)。
确认
这项研究支持jsp KAKENHI格兰特JP20H00648数量和环境研究和技术发展基金(JPMEERF20201001)日本的环境修复和保护机构。表达的任何意见、发现和结论这种材料是作者的,不一定反映机构的意见。作者感谢匿名裁判的积极建议。
作者信息
作者和联系
贡献
概念化:C.T.Y.,克里Methodology: C.T.Y. Analysis: C.T.Y. Visualization: C.T.Y. Supervision: S.M Writing—original draft: C.T.Y. Writing—review and editing: C.T.Y., S.M.
相应的作者
道德声明
相互竞争的利益
作者宣称没有利益冲突。
额外的信息
出版商的注意
施普林格自然保持中立在发表关于司法主权地图和所属机构。
补充信息
权利和权限
开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图片或其他第三方材料都包含在本文的创作共用许可证,除非另有说明在一个信用额度的材料。如果材料不包括在本文的创作共用许可证和用途是不允许按法定规定或超过允许的使用,您将需要获得直接从版权所有者的许可。查看本许可证的副本,访问http://creativecommons.org/licenses/by/4.0/。
关于这篇文章
引用这篇文章
Coulibaly, T.Y.,Managi, S. Identifying the impact of rainfall variability on conflicts at the monthly level.Sci代表1218162 (2022)。https://doi.org/10.1038/s41598 - 022 - 23079 - y
收到了:
接受:
发表:
DOI:https://doi.org/10.1038/s41598 - 022 - 23079 - y