一、数据基础概况
- 数据编号：2401
- 原始权威数据源：比利时鲁汶大学 CRED 中心维护的 EM-DAT 国际灾害数据库EM-DAT
- 时间跨度：1900--2026 年全球完整灾害事件记录
- 覆盖范围：全球 231 个国家 / 地区，累计超 26000 起大型灾害事件
- 入库筛选标准（满足其一即收录）：死亡≥10 人；受灾≥100 人；国家宣布紧急状态；发起国际援助申请
- 数据格式：Excel 单事件微观面板，附带完整字段释义、灾害分层编码表
- 灾害两大一级分类：自然灾害 、技术人为灾害
二、标准化分层灾害分类体系
采用四级编码结构：分类键→灾害组→灾害子组→灾害类型→灾害子类型
- 生物类灾害：各类流行病（细菌 / 病毒 / 寄生虫）、蝗灾、虫害、动物灾害等
- 气象水文灾害：洪水、干旱、台风、寒潮、极端高温、风暴、泥石流等
- 地质灾害：地震、滑坡、火山、地面塌陷等
- 气候相关复合灾害：极端气候、复合气象灾害
- 技术人为灾害：工业爆炸、化学品泄漏、建筑坍塌、大型交通事故等
三、全套核心字段
1. 基础识别与时空字段
灾害代码、事件名称、ISO 国家代码、国家 / 子区域 / 区域、事发经纬度、江河流域、行政单位；灾害起止年月日、记录更新时间、灾害分层编码（分类键 / 灾害组 / 子组 / 类型 / 子类型）
2. 人员损失指标
总死亡人数、受伤人数、受灾总人口、流离失所人口
3. 经济损失指标（单位：千美元，含通胀调整值）
重建成本、承保直接损失、总经济损失；配套 CPI 通胀调整系数，消除跨年份物价偏差
4. 政策与人道援助字段
OFDA/BHA 国际援助响应、国际援助资金总额、是否宣布紧急状态、是否发起全球援助呼吁
四、数据采集与质控说明
- 原始数据多渠道交叉核验：联合国机构、各国政府、NGO、再保险行业、权威媒体、学术机构；
- 统一标准化损失口径，全部经济损失提供名义值 + 经 CPI 通胀调整可比值，适配长时序对比；
- 每条灾害附带地理坐标，可匹配城市、企业、供应链空间数据做冲击识别；
- 区分单场独立灾害事件，支持按年份、国家、灾害类型快速聚合。
五、适配实证研究方向
- 自然灾害外生冲击准自然实验（企业 / 供应链主流） 匹配上市公司、跨境供应链数据，以地震、洪水、流行病作为外生冲击，检验灾害对企业营收、库存、长鞭效应、供应链断裂、创新韧性的影响（对标《Information Systems Research》2025 文献）。
- 国际贸易与全球价值链研究 依托跨国灾害记录，评估重大灾害对进出口、海外建厂、进口替代、产业链转移的冲击效应（对标《China & World Economy》2025）。
- 气候经济与区域发展 分地区统计灾害频次、经济损失，分析极端灾害对区域 GDP、财政、城乡差距、城市收缩的长期影响。
- 企业数字化 / AI 韧性机制检验 结合 AI 专利、大数据应用、高管数字背景数据，验证数字化、智能技术能否对冲灾害冲击、提升企业抗灾恢复能力。
- 保险、金融与风险定价 使用承保损失字段，研究巨灾对保险业赔付、企业信贷融资、股价崩盘风险、地方债务的传导路径。
- 公共卫生与宏观经济 依托流行病子样本，分析公共卫生灾害对劳动供给、企业加班强度、消费需求、低空经济产业热度的短期脉冲效应。
- 空间计量与灾害溢出 利用灾害经纬度，构建区域灾害冲击矩阵，检验灾害跨地区经济溢出、产业链连锁中断。
- 长期气候趋势研究 126 年长时序数据，可识别 1900 至今极端灾害频次、损失规模变化，结合气候政策做 DID 评估。
六、数据核心优势
- EM-DAT 是全球灾害领域顶刊通用权威数据库，审稿认可度极高，文献引用量庞大；
- 超长 1900--2026 时序，覆盖两次世界大战、多轮全球流行病、重大地震洪灾，充足政策前后窗口期；
- 完整分层灾害编码，可单独提取流行病、地质灾害、工业事故分样本回归；
- 损失指标提供通胀调整后可比值，解决跨年度价格干扰；
- 附带精确地理坐标，可无缝匹配城市收缩、POI、上市公司办公区位、县域 DID、供应链数据开展交叉研究；
- 区分人道援助、紧急状态政策变量，可同步研究政府救灾、国际援助的缓冲调节效应。
数据指标
灾害分类体系（部分）
|-----------------|---------|------------|-----------------|------------------------------|
| 分类键 | 灾害组 | 灾害子组 | 灾害类型 | 灾害子类型 |
| nat-bio-ani-ani | Natural | Biological | Animal incident | Animal incident |
| nat-bio-epi-bac | Natural | Biological | Epidemic | Bacterial disease |
| nat-bio-epi-dis | Natural | Biological | Epidemic | Infectious disease (General) |
| nat-bio-epi-fun | Natural | Biological | Epidemic | Fungal disease |
| nat-bio-epi-par | Natural | Biological | Epidemic | Parasitic disease |
| nat-bio-epi-pri | Natural | Biological | Epidemic | Prion disease |
| nat-bio-epi-vir | Natural | Biological | Epidemic | Viral disease |
| nat-bio-inf-gra | Natural | Biological | Infestation | Grasshopper infestation |
| nat-bio-inf-inf | Natural | Biological | Infestation | Infestation (General) |
| nat-bio-inf-loc | Natural | Biological | Infestation | Locust infestation |
| nat-bio-inf-wor | Natural | Biological | Infestation | Worms infestation |
变量：
|--------|------------------|----------------------|
| 灾害代码 | OFDA/BHA 响应 | 总死亡数 |
| 历史记录 | 吁请援助 | 受伤人数 |
| 分类键 | 紧急状态宣布 | 受灾人数 |
| 灾害组 | AID 支援('000 US) | 流离失所人数 |
| 灾害子组 | 灾害量级 | 总受灾人数 |
| 灾害类型 | 灾害量级单位 | 重建成本 ('000 US) |
| 灾害子类型 | 纬度 | 重建成本, 调整 ('000 US) |
| 外部资源标识 | 经度 | 承保损失 ('000 US) |
| 事件名称 | 江河流域 | 承保损失, 调整 ('000 US) |
| ISO代码 | 开始年份 | 总经济损失 ('000 US) |
| 国家/地区 | 开始月份 | 总经济损失, 调整 ('000 US$) |
| 子区域 | 开始日 | CPI |
| 区域 | 结束年份 | 行政单位 |
| 位置 | 结束月份 | 记录输入日期 |
| 灾害源头 | 结束日 | 最近更新 |
数据展示
参考文献
1 Miaozhe Han; , Hongchuan Shen; , Jing Wu, Xiaoquan (Michael) Zhang (2025) Artificial Intelligence and Firm Resilience: Empirical Evidence from Natural Disaster Shocks. Information Systems Research 0(0). https://doi.org/10.1287/isre.2022.0440
2 Lu, F., Li, Z., & Cai, X. (2025). Supply Chain Disruption and Import Strategy: Evidence from the Great East Japan Earthquake. China & World Economy , 33(1), 132--161. https://doi.org/10.1111/cwe.12569
3 Okolo, C.V., Wen, J. Economics of natural disasters and technological innovations in Africa: an empirical evidence. Environ Sci Pollut Res 30, 12362--12384 (2023). https://doi.org/10.1007/s11356-022-22989-8