粮食短缺国家菜豆产量时空变异格局及驱动因素解析

《Scientific African》：Spatiotemporal patterns and drivers of bean yield variability in Food-Deficit Countries

本研究针对32个低收入缺粮国家(LIFDCs)2013-2022年间菜豆(Phaseolus vulgaris L.)产量时空变异格局及驱动因素展开研究。通过整合FAOSTAT标准化产量数据与文献荟萃分析，采用One-Way ANOVA、Kruskal-Wallis检验和主成分分析(PCA)等方法，发现时间变异相对稳定(p>0.05)，而空间差异显著，马里变异度最高(10.03±3.5 t ha-1)，厄立特里亚最低(2.15±0.5 t ha-1)。降雨和温度是影响年际波动的主要气候因子，PCA显示时间动态(PC1)解释96%变异。研究为强化气候韧性、投入品和基础设施以提升菜豆产量提供了科学依据。

　　

在全球粮食安全形势日益严峻的背景下，低收入缺粮国家(Low-Income Food-Deficit Countries, LIFDCs)的农业生产系统面临着巨大压力。这些国家多位于热带和亚热带地区，土壤以肥力低、养分固定强的铁铝土(Ferralsols)为主，作物生产深受限制。菜豆(Phaseolus vulgaris L.)作为这些地区重要的粮食作物，不仅提供必需的蛋白质、氨基酸和微量营养素，还因其固氮能力而有助于改善土壤肥力，减少对合成肥料的依赖，成为小农粮食安全和可持续农业实践的核心作物。然而，农业生产率受到气候变异性的严重影响，极端干旱、降雨不规律和气温升高不断冲击着产量稳定性。同时，病虫害威胁、优质种子和肥料获取有限、农业推广服务不足等问题进一步限制了生产力，导致产后损失并加剧粮食不安全。尽管已有研究关注菜豆生产，但对产量如何跨区域和随时间变化的模式理解仍然有限，缺乏长期、多国家的综合分析。

为填补这一知识空白，来自索科因农业大学(Sokoine University of Agriculture)的Riziki Moses Nassary、Boniface H.J. Massawe和Eliakira Kisetu Nassary在《Scientific African》上发表了研究成果，对32个LIFDCs国家2013至2022年间的菜豆产量进行了深入的时空变异分析。该研究创新性地结合了FAOSTAT的标准化产量数据、已发表研究和国家田间试验信息，进行了纵向荟萃分析(Longitudinal Meta-Analysis)，旨在评估菜豆产量的时空变异性，识别主要的环境和管理驱动因素，并为稳定生产、改善小农粮食和营养安全提供基于证据的建议。

研究人员采用了几项关键的技术方法来支撑其研究。首先是系统性的数据获取与整合，从FAOSTAT数据库获取了32个LIFDCs国家十年的菜豆产量数据，并遵循PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)指南对相关文献进行了系统回顾和分析。在统计分析方法上，研究运用了描述性统计、单因素方差分析(One-Way ANOVA)和Kruskal-Wallis检验来评估产量差异的显著性，并利用主成分分析(Principal Component Analysis, PCA)来降维和识别影响产量变异的关键综合因子。此外，还通过欧几里得相似性和距离指数(Euclidean similarity and distance indices)以及多元经典聚类方法进行了空间分析，以识别具有相似产量特征的国家集群。

时间趋势（时间影响）下菜豆产量变异性

对菜豆产量时间趋势的分析显示，十年间平均产量保持了相对稳定。正态性检验表明残差基本符合正态分布，为后续统计检验的有效性提供了支持。单因素方差分析结果显示，年份间平均产量无显著差异(F-statistic = 0.03118; p = 1)，表明菜豆的平均产量在十年间没有明显的改善或下降趋势。Kruskal-Wallis检验也证实了产量中位数在不同年份间无显著差异(H-statistic = 0.6774, p = 0.9999)。这些结果表明，短期波动对整体产量模式的影响有限，环境、社会经济和基础设施条件对菜豆生产力的影响可能比单纯的时间推移更大。

描述性统计进一步揭示了表观稳定下的内在变异。年均产量在1.38至1.57吨/公顷之间窄幅波动，但各国内部存在显著差异。中位产量(0.825-0.87吨/公顷)持续低于平均产量，且偏度值高(2.98-3.80)、峰度值极端(均高于9.5)，表明产量分布呈高度正偏态，即大多数国家产量较低，少数高产量异常值拉高了平均值。标准偏差(1.81-2.10)和样本方差(3.27-4.39)数值较大，也指向了产量的显著变异性。

主成分分析为理解时间动态的主导作用提供了更强有力的证据。PCA提取了10个主成分，其中前两个主成分(PC1和PC2)共同解释了98.99%的产量变异。尤为重要的是，PC1单独贡献了96.11%的变异(eigenvalue = 38.160)，且所有年份在PC1上都具有较高的载荷值(0.285-0.336)，这表明时间变异是影响产量格局的最主要驱动力，可能反映了气候变化、区域政策干预或技术扩散趋势等广泛的、时间依赖性的力量。相比之下，PC2仅解释了2.88%的变异(eigenvalue = 1.144)，其载荷值在不同年份间波动较大，可能捕捉了干旱、政治动荡或病虫害爆发等更具局部性、特异性的影响。尽管PCA揭示了时间强大的潜在影响，但方差分析未检测到年份间均值的显著差异，这可能是因为年际变异和混杂因素削弱了持续的年际差异。

空间（区域/国家）影响对菜豆产量变异性的作用

空间分析揭示了不同国家间菜豆产量的显著差异。描述性统计显示，马里(Mali)的产量变异最为突出，平均产量高达10.03吨/公顷，标准偏差为3.5吨/公顷。与之形成鲜明对比的是，厄立特里亚(Eritrea)的平均产量极低(2.15吨/公顷)，且标准偏差小(0.5吨/公顷)，表明其产量非常稳定。坦桑尼亚(Tanzania)等国则表现出中等程度的变异性(平均产量2.25吨/公顷，标准偏差1.1吨/公顷)。像马里这样的异常高值，可能源于灌溉系统或试验田数据的汇总，需要谨慎解读。

欧几里得距离分析支持了这些空间模式。马里与大多数国家的距离值极高(接近28-30)，表明其菜豆产量变异性与其他国家截然不同，暗示其生产极不稳定。南苏丹(South Sudan)和苏丹(Sudan)等国也显示出较高的距离值(7-9)，这与冲突、环境压力和有限技术获取有关。相反，布隆迪(Burundi)、海地(Haiti)、肯尼亚(Kenya)和马达加斯加(Madagascar)等国的距离值较低，表明它们的产量变异趋势相似，生产模式相对稳定。莫桑比克(Mozambique)、尼泊尔(Nepal)、尼加拉瓜(Nicaragua)和卢旺达(Rwanda)等国表现出相似的产量模式，表明适度的技术干预和改良品种有助于产量稳定。

研究的讨论部分将时空变异性的驱动因素与更广泛的背景联系起来。时间上的相对稳定性归因于小农农业系统的适应性实践，如作物多样化和间作，这些措施缓冲了天气相关的影响。然而，这种稳定性往往是在缺乏现代投入或改良品种的情况下实现的，可能导致平均产量难以提升。年际变异则与土壤肥力、害虫管理和灌溉实践等因素有关。获得投入品和基础设施较好的国家通常表现出更稳定的产量。

空间差异强烈反映了气候、治理和基础设施的相互作用。马里的高变异性与其对干旱和不稳定降雨的敏感性一致。厄立特里亚的低变异性可能得益于稳定的气候条件和保守的种子系统。埃塞俄比亚(Ethiopia)和津巴布韦(Zimbabwe)等国说明，政治和经济不稳定会放大产量波动，而卢旺达和塔吉克斯坦(Tajikistan)则证明，采用改良种子、灌溉和推广服务可以稳定产量。

关于菜豆生产的可扩展性，研究强调需要结合农艺、气候、遗传、害虫管理和环境考虑的综合策略。农艺实践如间作、轮作和针对性土壤肥力管理有助于稳定产量。气候适应措施，如提早种植、耐旱品种和通过农林业进行小气候管理，能显著减轻气候压力期间的产量损失。遗传改良，包括耐旱和抗病品种，对于降低LIFDCs的产量变异性至关重要。综合害虫管理(Integrated Pest Management, IPM)和疾病控制，结合耐旱品种和高效农艺实践，可产生协同效应，使菜豆生产能够在LIFDCs中扩展。环境可持续性实践，如保护性耕作、梯田、农林业和节水技术，增强了长期生产力，降低了对气候变异性的脆弱性。

综上所述，这项对32个LIFDCs国家菜豆产量时空变异性的十年分析表明，尽管时间序列上的产量相对稳定，但空间差异显著，凸显了不同地区在基础设施、气候和政治稳定性方面面临的多样化挑战。降雨和温度是影响年际波动的主要气候因子，而PCA分析表明时间动态是产量变异的最主要驱动力。研究结果指出，要有效扩展菜豆生产，必须重点关注改善优质种子和现代投入品的获取，推广气候适应性技术（如耐旱品种），投资灌溉系统和水分管理（特别是在降雨不稳定的地区），并加强农业基础设施和政策支持。这种综合考虑技术进步、政策支持和区域特点的整体方法，对于在LIFDCs建立可持续和有韧性的农业系统、长期保障粮食安全和促进经济增长至关重要。