作物农场排放调整效率的预测因子：社会、经济与自然因素间的非线性交互作用

这篇研究创新性地采用机器学习方法（ML），结合排放调整效率（EAE）的"联产品"测算模型（DEA框架），揭示了波兰2107家作物农场中经济政策、自然条件与社会因素的复杂交互效应。研究发现环境补贴存在阈值效应，土地租赁和外部劳务能提升EAE，而农业碎片化区域可缓解经济与环保效率的冲突（p<0.01），为可持续农业政策制定提供了非线性关系的新证据。

　　

研究亮点

本研究通过前沿的"联产品"数据包络分析（by-production DEA）框架，首次在作物种植系统中量化了温室气体（GHG）排放调整效率（EAE）。机器学习模型（包括XGBoost和CatBoost）揭示：当环境补贴超过12,000欧元阈值时，会触发经济效率与环保目标的权衡，而土地破碎化区域能缓冲这种冲突（效应量Δ=0.15，p<0.01）。

排放调整效率得分

样本农场的平均EAE得分仅为0.397（标准差0.130），意味着现有生产模式存在60.3%的改进空间。有趣的是，效率分布呈现右偏特征（中位数0.379），暗示少数高效农场可能采用创新性农业实践。这种低效率水平与波兰农业占欧盟9%的GHG排放却仅贡献7%产出的现状相吻合。

结论

我们的多模型验证体系（含LASSO和GBM）证实：外部劳务服务、土地租赁和投资贷款是提升EAE的"黄金三角"（变量重要性评分VIP>1.8）。特别值得注意的是，农业政策的效果呈现明显的"钟形曲线"特征——当直接支付占比超过农场收入的35%时，反而会抑制环境绩效。这些发现为设计精准农业补贴政策提供了量化依据。