FAO FISH19和AGLINK-COSIMO20模型是递归动态的部分平衡模型，用于模拟全球生产 ，消费和交易的主要农业商品的年度市场余额和价格的发展。Aglink – Cosimo和FAO鱼是由OECD和FAO的秘书处管理的 ，用于生成年度OECD-FAO农业展望20和其他经过同行评审的场景Analysesses36 。引用的参考文献提供了完整的模型描述 。
FAO鱼类模型包含2,019个方程式，覆盖了47个国家和/或区域内源模块。三种产品涵盖了完全的供应供应变量和价格：除哺乳动物以外的所有水生动物的总数；鱼粉；和鱼油 。对于总水生动物 ，该模型根据国家或区域总体提供捕获和水产养殖的功能 。在需求方面 ，该模型会产生一种骨料的水生动物需求功能，但包括3种不同类型的用途：食物；加工成鱼粉和石油；和其他用途。
为了反映一个事实，即渔业是一种可再生的自然资源 ，被完全利用 ，受监管或过度开发，捕获渔业在模型的大多数模块中都保持外源性 ，因为它们在严格的捕鱼配额下受到控制 ，并受到阻止经济驱动供应的法规。因此，只有11％的世界占领渔业对这些国家和地区的价格响应不足 。但是 ，假定他们的捕获产量将始终保持在最大可持续收益率之下 。相反 ，在模型中，99％的世界水产养殖产量是内源性的 ，并且对产出的价格有反应 ，而水产养殖的75％也对饲料价格敏感。在水产养殖供应方面，该模型包含115个涵盖国家和物种组合的功能 。每个物种都有其特定的饲料评分（饲料成分的不同混合） ，由物种生物学驱动的生产滞后和弹性（生产对价格变化的响应水平） 。在模型中 ，将鱼类减少到鱼粉中的全球减少为97％。在63％的模块中，鱼粉和油由简单的技术参数控制，而在其余的模块中 ，它具有价格响应性 。
被描述为结构部门模型的Aglink – Cosimo模型提供了农产品生产者和消费者的决策过程的数学表示 。这些方程式通过宏观经济环境（例如人口增长和国内生产总值（GDP）开发） ，通过商品和特定国家特定的参数与农业供求变量有关。这些变量以一种动态回报的方式预测，使用国内和全球水平的价格在各个阶段清除市场 。对食物的需求是收入 ，自有和跨价的函数 ，在这些弹性中，各自的弹性控制着每个变量的相对强度 。由于Aglink – Cosimo和FAO鱼类模型是“部分平衡 ”部门模型 ，因此在这种情况下收入不会改变。各种食品之间的替代是由相对价格转移引起的 。
FAO鱼类模型被整合到Aglink – Cosimo中 ，以代表整个全球食品和农业系统的水生食物组成部分 。一旦整合，鱼类模型的鱼类 ，鱼粉和鱼油就会完全集成到合并的模型中 ，并同时模拟整个商品。水上产品的人均食品需求取决于其零售价，替代品的零售价（主要是牛肉 ，猪肉和家禽） ，以及由Real Per Capita GDP决定。通常，来自富裕国家的消费者对以真实表达的鱼类价格的变化（即由整体消费者价格指数缩水）的反应较少，而消费者在食品上花费更高份额的消费者 。水生产品的零售价取决于交易产品的价格（可以认为是批发价格）和GDP缩水器 ，以捕获供应链中其他成本的运动 。一个国家的GDP越高 ，批发价格在零售价计算中的影响越小。进出口是国内（通过关税和汇率调整）与水上产品的世界价格之间的比率的函数，其响应水平不同 ，具体取决于不同国家的水生产品市场的开放性 。最后 ，交易的水生产品的价格是每个国家组成部分的市场清算变量 。
使用了两个替代前景预测，即基线和高生产场景（补充表1；补充图1） ，以代表22个食品群的粮食生产 ，消费和贸易。基准场景是由经合组织FAO农业模型的结果驱动的，2020- 2029年2020 - 2029年 ，2030年的数据反映了联合国FAO对可能的渔业和水产养殖增长的最佳理解（补充图2条件37 。迄今为止 ，水产养殖将是增长的主要驱动力，而渔业产量预计将略有下降 。高生产的情况不是预测 ，而是联合国粮农组织对水生食物增长潜力的上限的具体估计37 ，这反映了对AASF生产的施加变化。这可以通过应用创新技术，能力建设，增加和具有成本效益的金融投资在水产养殖中 ，并在渔业生产中得到改善和有效的管理 ，受到全球最大可持续产量的估计的约束 。同样在高生产的情况下，预计生产的主要增长主要来自水产养殖 ，但渔业生产将略有增长 。改进和有效的管理将通过增加从以前的过度开发模式 ，资源不足以及改善收获的利用（包括减少的车载丢弃，废物和损失）中恢复过来的领域来支持渔业生产的可持续增长。
尽管高生产的情况是乐观的 ，但它位于可能的未来范围内 ，并用于明确强调目标干预措施可能带来的潜在营养和健康增长 。广泛的商品类别和饲料组成的物种组成（可能影响产品的营养成分）在目前至2030年之间保持不变 。我们估计了基于2030年海洋和淡水捕获和水产养殖预测的国家 /地区级的AASF消费，基于2030年的淡水捕获和水产养殖预测 ，基于联合Aglink-cosimo-cosimo cosimo – cosimo – cosimo cosimo – cosimo cosimo – cosimo cosimo – cosimo fish基线和高生产产出。
随着鱼的供应相对于基线的增加而增加 ，在需求不会转移的假设下，沿需求曲线发现了新的平衡价格。这种新的鱼类价格通过生产和消费方面的联系来影响其他农产品的消费和生产 。代表所有消费者的总体行为的国际参考价的转变导致单个决策的变化 ，这些决策由其国内价格的相对变化决定 。反过来 ，它们是通过将每个商品市场整合到全球贸易体系中以及在情况下的鱼类供应的各自转移决定的。在生产鱼类或进口国的消费者将利用较低的鱼价格，消耗更多的鱼类和较少的陆地肉，从而降低陆地肉类价格 。这些价格也通过贸易传播给没有生产或进口大量鱼类的国家 。因此 ，消费者利用较低的肉价并增加了肉类消耗。
在生产方面 ，模拟了类似的效果 。由于对肉类的需求在全球范围内下降，因为它的替代品较便宜 ，因此对饲料的需求也下降 ，从而降低了价格 。根据生产技术，某些生产商利用较便宜的饲料并增加了牲畜产品的产量。由于谷物被用作饲料和食物 ，因此钉书钉的消费也会增加 。所有这些反应的相对大小都在贸易流中达到顶峰 。它们相对于基线和新的全球市场均衡发生了变化。可以在补充方法中找到对高生产场景参数和假设的完整描述 。
GND匹配了400多种食品和农产品 ，从粮农组织的供应和利用帐户到美国农业部食品组成数据库的食品，并获得了有关供应和利用账户食品的营养成分的数据22 。在调整了每个食品的不可食用部分之后 ，GND可以在给定的一年中估计全国性大量营养素和微量营养素。在此基础上 ，将来自Aglink-Cosimo模型的22个食品组模型输出与GND进行了交叉行动，并估计了每种情况的营养供应（补充表1）。
GND中的水生食物基于FAO FISHSTAT生产数据 ，目前包括以下类别：semersal Fish；上层鱼；鱼油；甲壳动物；头足动物；其他海鱼；淡水鱼；其他软体动物；水生哺乳动物；其他水生动物；和水生植物 。为了获得更多解决的消费估计 ，我们首先根据历史份额将鱼类消费量估算为淡水和海洋物种 。在这些广泛的类别中，然后将消费分配给捕获和水产养殖来源，以允许未来的预测反映水产养殖生产中增加的份额（对于某些关键物种）。接下来 ，我们使用FAO FISHSTAT生产数据来预测每个国家实际上消耗了哪些物种 ，以调整贸易流量 。我们假设未来的饮食保留了这些类别中每个类别中当前的分类构成 。
对于海洋物种分解，我们使用了2014年特定国家特定的粮农组织的历史捕获和生产数据 ，以按比例地将消费预测分配给Aglink – Cosimo输出。除鲑鱼（使用粮农组织贸易数据单独计算）外 ，淡水物种除去了任何注定鱼粉，鱼油或丢弃的鱼 。通过使用FAO食品平衡表（根据每个海鲜商品类别中的物种的比例） ，通过从生产中减去出口 ，从生产中减去出口，从生产中减去出口来计算全国明显消费海洋海鲜（水产养殖和来源（水产养殖 ，捕获和进口）） ，并添加进口（假设贸易代码中的物种中的物种混合在贸易合作伙伴中） 。假定表观消耗为零。最后，我们按了每个物种的可食用部分的总收获 。
淡水分类单元的消费是通过匹配嵌套在同一商品组中的FAO FISHSTAT生产和贸易标签来产生的（补充方法；补充图3、4） 。使用淡水转换因子将所有商品转化为活体重38。用家庭调查数据38和休闲渔业消费（补充方法）进一步分解了消耗的淡水物种的比例 。家庭调查用于调整31个国家 /地区的水产养殖相对于水产养殖的捕获量 ，并分解了五个国家 /地区的身份不明的商品集团38 。来自辅助来源的娱乐渔业数据被包括在11个国家 /地区较高但潜在地报告的休闲参与的国家。最后 ，我们通过通过可食用的比例（补充方法）扩展总收获来估计消耗收获。
AFCD合成了国际和国家食品组成表和同行评审文献的信息 。假定食品成分表是正确的，并且直接整合 。数据来自美国农业部（USDA），FAO Infoods和东南亚的欧盟微笑项目 ，以及来自澳大利亚 ，新西兰，太平洋岛屿 ，韩国 ，印度，印度 ，印度 ，孟加拉国，西非 ，加拿大 ，加拿大，挪威和先前的评论的单个食品组成桌。
搜索策略的重点是1990年至2020年之间的研究 ，并优先考虑包括食品组成数据的特定期刊（例如 ，食品化学，食物组成和分析杂志） 。还使用科学网络进行了更广泛的搜索，其中包括20种水生和15个营养搜索术语 ，以及消除套期保值 ，以避免无关紧要的研究（有关全部术语，请参见补充方法） 。从1,063项个人研究中收集了同行评审的数据。总共 ，AFCD包含29,912行数据 ，代表3,753个独特的分类单元 。
我们估计了如上所述消耗的物种的混合物，然后将这些单个物种的身份与AFCD匹配 。为了将分解的物种与AFCD联系起来 ，我们使用了一种分层方法将所有7种营养素的营养价值分配给全球所有食用的物种（补充图5）。当一个物种出现多个条目时 ，我们采取了所有条目的平均值 。我们根据以下顺序建立了此层次结构：科学名称，物种属的平均值 ，物种家族的平均值 ，普通名称，物种秩序的平均值和GND类别的平均值 。在分类工作中 ，我们发现全球消费2,143种不同的水生物。我们匹配了来自肌肉组织的养分组成值 ，用于蛋白质，铁，锌 ，钙 ，维生素A，维生素B12和DHA+EPA 。在此匹配过程之后 ，我们更新了国家一级营养摄入量的估计值 。
为了评估AASF消费的健康影响 ，我们首先对跨年龄群体和地理位置的习惯性摄入的分布进行了建模。使用Spade（评估习惯性饮食暴露的统计计划），这是一种使用24小时召回数据来消除人体内部变异性并估算惯性摄入分布的R基本套件39 ，我们估计了铁 ，锌，钙 ，维生素A ，维生素B12，DHA+EPA和红肉的常规摄入量。这些分布依赖于单个饮食摄入数据的可用性 ，这些数据具有24小时召回的可变天数 ，在我们可以访问的13个数据集中可以使用：包括：美国，赞比亚，墨西哥 ，中国 ，中国，老挝PDR ，菲律宾 ，乌干达，布基纳·法索 ，巴吉亚·法索 ，保加利亚，保加利亚 ，罗马尼亚 ，意大利，班克拉迪什和冰球 。补充表7中提供了用于估计次国摄入分布的数据集的摘要 。
我们使用FitDistrplus软件包40适合所有可用年龄 - 性别组的习惯进气分布 ，将伽玛和对数正态分布拟合。我们选择了最好的Kolmogorov – Smirnov（KS）拟合统计量（0.002-0.373）作为每个组的最终分布的分布 。此最佳拟合分布的参数描述了每个年龄 - 性别组的习惯摄入分布的形状 ，并且可以沿X轴移动，以响应不断变化的饮食 。
我们将国家一级的摄入量分为三个步骤。首先，我们将欧盟分解为综合模型中的一个实体 ，分为其27个组成国家（补充表5） 。其次 ，我们使用全球扩展的养分供应（Genus）数据库41分解了国家水平的平均摄入量，除了DHA+EPA和维生素B12以外的所有营养物质 ，这些饮食供应（属）数据库41不包括在属数据库中 。我们使用Spade习惯摄入量输出来得出这两种营养素的年龄 - 性级别的平均摄入量。最后 ，我们使用了锹习惯摄入输出来描述每个年龄 - 性别组的进气分布的形状 。
该属数据库使用历史国家饮食趋势数据来估算201141年所有几乎所有国家 /地区几乎所有国家 /地区的225种食物类别中23个单个营养物质的可用性 。我们使用这些估算来计算标量，以将国家级别的可用性与年龄段级别的可用性相关联。
在国家C国的标量 ，营养N ，年龄组和性别的标量是通过将每个年龄 - 性别组的养分可用性除以所有年龄 - 性别组的平均营养可用性 。我们假设这些营养利用率的比率与养分摄入量的比率成正比，并扩展了国家水平的平均营养摄入量 ，如下所示：
我们使用了相同的过程来分解DHA+EPA和维生素B12的摄入量 ，但使用了从上面描述的Spade惯性摄入中得出的国家级别和年龄性级别的手段 。有关与Aglink -Cosimo和属输出的详细信息，请参见补充表6。
然后 ，我们使用Spade惯性摄入量输出来表征每个年龄 - 性别组中营养摄入量的分布。习惯摄入数据和相关的统计概率分布在所有国家 - 营养不良 - 年龄 - 性别组合中都是不完整的（补充图6） ，因此我们通过从最近的邻居中提出数据来填补空白（年龄 - 性别组的37％） 。首先，我们从性别和国家内最近的年龄组借用进气分布来填补国内空白；来自一个国家的异性；以及最近的地理和/或社会经济上的国家（补充图7） 。然后，我们根据联合国子区域将它们映射到世界其他地区 ，并进行了一些专家识别的修改（补充图8）。
SEV将亚最佳饮食的相对风险与实际摄入分布相结合28 。他们估计与饮食相关的人口水平风险 ，并将其与每个人处于最大风险水平的人群相提并论，价值从0％（无风险）到完全人口级别的风险（100％） 。对于DHA+EPA ，我们使用了更新的健康指标和评估研究所相对风险曲线 ，这些曲线仅与缺血性心脏病相关，并且对青少年和成人亚群的价值不同（没有儿童的风险）。这些相对风险曲线捕获了与每天0.4 g的omega-3长链多不饱和脂肪酸消耗有关的轻度风险 。对于微量营养素摄入风险评估不足 ，我们根据计算摄入量不足的概率方法来得出铁 ，锌，钙和维生素A的连续相对风险曲线 ，通常是微量营养素缺乏症的前体42 。为了评估微量营养素摄入量不足的风险 ，将摄入的分布与要求进行比较。后者被定义为连续风险曲线，其值在低摄入量时为1 ，相关估计的平均需求（EAR）为0.5 ，在大摄入量下为零 。这些绝对风险曲线基于需求的累积正态分布函数43的平均值，在耳朵的平均值和10％的变化系数 。当更多有关确切营养需求的信息不可用时42,44时，使用后一个值。人口水平的风险患病率是通过计算整个人群中预期的微量营养素缺乏症来得出的 。43 ，通过应用每个年龄 - 性别 - 性别 - 静态 - 果实的摄入分布的积分乘以其特定的相对风险 。得出的值范围为0到1 ，并评估摄入量不足的风险，如SEV ，在人口水平上从无风险（0）到最大（1;每个人都处于风险中）。估计的平均需求来自多个来源45,46 ，47。由于锌和铁的需求取决于其他饮食因素（例如，抑制剂 ，例如植物） ，因此我们根据整体饮食对每种营养素使用三个水平，这些饮食基于整体饮食 ，这些饮食基于其谷物和动物 - 源食品摄入量的饮食对饮食进行了粗略分裂48,49 。然后 ，我们根据其社会发展指数将每个国家分配给其代理锌和铁价值 。对于维生素B12，我们使用了医学研究所使用的值51 ，但承认存在有关建议摄入的不确定性 ，并使用了25％的变化系数，而不是默认的10％来构建我们的风险曲线52。
有关研究设计的更多信息可在与本文有关的自然研究报告摘要中获得 。
本文来自作者[admin]投稿，不代表永利号立场，如若转载，请注明出处：http://www.siyonli.com/jyfx/202506-861.html
评论列表（3条）
我是永利号的签约作者“admin”
本文概览： FAO FISH19和AGLINK-COSIMO20模型是递归动态的部分平衡模型，用于模拟全球生产，消费和交易的主要农业商品的年度市场余额和价格的发展。Aglink – C...
文章不错《滋养国家的水生食物》内容很有帮助