编辑推荐：
气候变化给印度等发展中国家的农业生产带来严峻挑战。研究人员以印度奥里萨邦为对象，研究农户抗逆性及其对气候智能型农业（CSA）表现的影响。结果发现不同生计群体抗逆性有差异，还明确了相关影响因素。该研究为政策制定提供依据，助力发展可持续农业。
在全球气候变化的大背景下，冰川融化、海平面上升、极端天气事件频发，这些变化正深刻影响着地球的生态系统。农业作为受气候变化影响最为直接的领域之一，面临着前所未有的挑战。对于像印度这样以农业为重要经济支柱的发展中国家而言，情况更为严峻。印度的小农户们大多依赖土地生存，气候变化导致的降水和温度模式改变、病虫害肆虐，让他们的生活充满了不确定性。例如，干旱和热浪使得灌溉用水短缺，严重影响农作物产量；热带气旋、洪水等灾害更是直接摧毁他们的农田和家园。在这样的困境下，提高农户应对气候变化的能力，即增强农户抗逆性，成为保障农业可持续发展和粮食安全的关键。
与此同时，气候智能型农业（CSA）作为应对气候变化挑战的一种新型农业模式，受到了广泛关注。CSA 旨在提高农业生产力，增强农业系统的适应能力，同时减少温室气体排放。然而，在实际推广过程中，CSA 面临着诸多问题，比如在不同生态系统下，农户对 CSA 的接受程度和实施效果差异较大，其背后的原因并不明确。此外，目前对于农户抗逆性的研究多聚焦于脆弱性和适应机制，对于抗逆性的整体结构和能力，以及其与 CSA 之间的关系研究较少。为了填补这些研究空白，来自印度的研究人员以印度气候脆弱性较高的奥里萨邦为研究区域，开展了一项深入研究，该研究成果发表在《Agricultural Systems》杂志上。
研究人员采用了多种技术方法来开展这项研究。首先，他们运用了韧性指数测量与分析（Resilience Index Measurement and Analysis，RIMA）框架，从获取基本服务（Access to basic services，ABS）、资产（Assets，AST）、社会安全网（Social safety nets，SSN）和适应能力（Adaptive capacity，AC）这四个关键支柱评估农户的抗逆性。接着，利用多指标多原因（Multiple Indicators Multiple Causes，MIMIC）模型来探究影响农户抗逆性的因素。此外，通过结构方程模型（Structural Equation Modeling，SEM）分析农户抗逆性与 CSA 表现之间的关系。研究还选取了奥里萨邦沿海和非沿海生态系统中从事作物种植、畜牧养殖以及作物 - 畜牧混合养殖这三种主要生计群体的农户作为样本进行调查分析。
在研究结果方面，不同生计群体的抗逆性表现出明显差异。研究发现，无论是沿海还是非沿海地区，作物 - 畜牧混合养殖的农户抗逆性最高，作物种植农户的抗逆性高于畜牧养殖农户。进一步探究影响抗逆性的因素时，研究人员发现沿海和非沿海地区的抗逆性驱动因素截然不同。例如，在沿海地区，基础设施和社区网络可能对抗逆性影响较大；而在非沿海地区，土地持有量、灌溉设施的获取以及收入等因素可能更为关键。通过 SEM 分析，研究人员还揭示了抗逆性与 CSA 表现之间的复杂关系。研究表明，抗逆性中的 AC 和 SSN 支柱对整体抗逆性贡献较大，且这些因素会显著影响 CSA 的实施效果和可行性。另外，通过多元回归和路径分析，确定了一系列影响农户抗逆性的关键生计指标，包括基础设施、连通性、社区网络、土地持有量、灌溉获取和收入等。
综合研究结论和讨论部分，这项研究意义重大。它不仅深入剖析了不同生态系统下农户抗逆性的影响因素，还明确了抗逆性与 CSA 表现之间的关系。这为政策制定者提供了关键的决策依据，有助于制定更具针对性的政策措施，增强农户的抗逆性，推动脆弱地区可持续、气候智能型农业实践的发展。例如，可以根据不同地区的抗逆性驱动因素，有针对性地加强基础设施建设、完善社会安全网，从而提高农户应对气候变化的能力，促进 CSA 的有效实施。此外，该研究成果对于其他发展中国家在应对气候变化、发展气候智能型农业方面也具有重要的参考价值，有助于全球范围内小农户农业系统更好地适应气候变化挑战，保障粮食安全和农业的可持续发展。
