全球灾害 EM-DAT 数据集

一、基础概况

数据编号：2401

原始数据源：比利时鲁汶大学 CRED 中心 EM-DAT 国际灾害数据库，人工标准化清洗整理

时间跨度：1900—2026

覆盖范围：全球 231 个国家 / 地区，收录超 26000 起达标大型灾害 入库标准（满足其一即收录）：死亡≥10 人；受灾≥100 人；国家宣布紧急状态；国际援助申请

二、灾害分层分类体系

采用四级编码（分类键 - 灾害组 - 子组 - 类型 - 子类型），分为两大总类

1. 自然灾害 生物类：各类流行病（细菌 / 病毒 / 寄生虫）、蝗灾、虫害、动物灾害 气象水文：洪水、台风、寒潮、高温干旱、泥石流、风暴 地质类：地震、火山、滑坡、地面塌陷 气候复合极端灾害
2. 技术人为灾害 工业爆炸、化学品泄漏、建筑坍塌、重大交通意外等

三、完整核心字段

1. 时空与识别字段

灾害唯一代码、事件名称、ISO 国家代码、国家 / 子区域 / 行政区、经纬度、江河流域、灾害起止年月日、记录更新时间、分层分类编码

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（单位：千美元，含 CPI 通胀调整值）

重建成本（名义 / 调整后）、承保损失（名义 / 调整后）、总经济损失（名义 / 调整后）、配套 CPI 系数

4. 政策与人道援助

是否宣布紧急状态、国际援助资金、OFDA/BHA 救援响应、国际援助呼吁标识

四、数据质控规则

1. 多源交叉核验：联合国、NGO、再保险、学术机构、媒体多方数据比对；
2. 统一通胀平减：提供调整后损失数值，消除跨年份物价干扰；
3. 每条灾害附带地理坐标，可匹配城市、企业区位；
4. 区分单场独立灾害，支持按年份、国家、灾害类型聚合。

五、适配实证研究方向

1. 企业冲击准自然实验（顶刊主流） 将地震、流行病、洪水作为外生冲击，匹配供应链长鞭效应、工业互联网 / AI 专利、大数据数据，检验数字技术对冲灾害、提升企业经营韧性。
2. 全球价值链、国际贸易研究 重大灾害作为冲击，分析跨境供应链中断、进出口收缩、进口替代行为。
3. 气候经济、区域发展 分地区统计灾害频次与经济损失，评估极端灾害对 GDP、财政、城乡差距长期影响。
4. 金融、风险定价研究 检验巨灾对信贷成本、股价波动、地方债务、保险赔付的传导机制。
5. 公共卫生与宏观需求 流行病子样本用于研究劳动供给、居民消费、企业投资短期脉冲效应。
6. 空间计量溢出分析 依托经纬度构建空间权重矩阵，识别灾害跨区域经济连锁冲击。
7. 政策 DID 交互检验 搭配央行沟通文本、产业集群政策，对比灾害冲击下产业扶持、货币沟通的缓冲效果。

六、数据核心优势

1. EM-DAT 是全球灾害领域国际通用权威数据库，期刊审稿认可度极高；
2. 126 年长时序，覆盖战争、流行病、多轮气候极端事件，事件研究窗口期充足；
3. 区分自然 / 人为、细分四级灾害，可单独提取流行病、地震、洪水分样本回归；
4. 自带通胀调整经济损失、精确地理坐标，方便匹配县域、城市、上市公司区位面板；
5. 配套人道政策变量，可同步研究救灾援助、应急政策调节效应；
6. 标准化面板，无缝对接数字专利、供应链、城市 DID、央行文本全套数据集。

时间跨度	1900-2026
区域跨度	全球
数据格式	数据格式为Excel形式

数据简介

本数据为全球灾害数据库，来源于EM-DAT国际灾害数据库（Emergency Events Database）。该数据库由比利时鲁汶大学灾害流行病学研究中心（CRED）维护，系统记录了自1900年至今，全球231个国家和地区超过26,000起大型灾害事件的发生情况及其造成的影响。
EM-DAT数据库的数据来源广泛，涵盖了联合国机构、非政府组织（NGOs）、再保险公司、研究机构以及新闻机构等多个渠道。所有数据均基于公开披露的信息，经过系统采集、整理和标准化，以保证数据的一致性和可比性。

灾害事件按照性质被划分为两大主要类别：自然灾害（如地震、洪水、风暴、旱灾、流行病等）和技术灾害（如工业事故、交通事故、结构倒塌等）。每条记录包含灾害发生的时间、地点、类别、造成的人员伤亡、经济损失、基础设施破坏情况及人道援助需求等详细信息。

为了方便用户理解和使用数据，本项目特别从数据源中引入了对应的变量解释表，系统梳理了各字段的定义及编码规则，帮助研究人员、政策制定者及公众更高效地使用本数据库进行灾害相关分析、风险评估与决策支持。

本数据库具有以下特点：

· 覆盖范围广泛，涵盖全球主要国家和地区；

· 记录时间跨度长，自1900年至今；

· 分类细致，涵盖自然灾害和技术灾害；

· 数据来源多元，确保信息权威性和可靠性；

· 附带详细变量解释，便于用户快速上手。

希望本数据资源能够为各领域的科研工作、政策制定与灾害管理提供有力支持。

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 Research0(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 Res30, 12362–12384 (2023). https://doi.org/10.1007/s11356-022-22989-8