农牧混合系统中土壤侵蚀风险的认知与模型整合研究：基于农民参与和RUSLE建模的多维分析

针对地中海地区农牧混合系统面临的土壤侵蚀威胁，意大利研究团队通过整合农民认知调查、模糊认知映射(FCM)和RUSLE模型，揭示了37%耕地存在侵蚀风险，发现农民对地形、植被覆盖等关键驱动因素的认知与模型预测高度吻合。该研究为制定基于本地知识的土壤保护政策提供了科学依据，对欧洲共同农业政策(CAP)的优化具有重要启示意义。

　　

在地中海沿岸的托斯卡纳丘陵地带，传统的羊奶制品产业正面临双重危机：极端降雨事件频发加剧土壤流失，而年轻劳动力流失使传承数百年的农牧混合系统难以为继。这里生产的Pecorino Toscano DOP奶酪不仅是地方经济支柱，其背后的半集约化放牧系统更是维持着独特的文化景观。然而最新数据显示，该地区59%的耕地侵蚀速率超过11 Mg ha^-1 year^-1，其中35%甚至高达33 Mg ha^-1 year^-1——远超土壤自然形成速率。这种"静默的危机"促使来自意大利圣安娜高等学校的Martina Re团队开展了一项开创性研究。

研究人员创新性地将农民的本土知识与地理信息系统(GIS)建模相结合，对25个羊场展开调查。通过模糊认知映射(FCM)捕捉农民对侵蚀驱动因素的复杂认知，同时运用修订通用土壤流失方程(RUSLE)量化实际风险。结果显示，农民准确识别出陡坡(LS因子权重-0.35)和极端降雨(-0.67)是主要自然驱动因素，而耕作方式(-0.56)和石头清除(-0.14)则是关键人为因素。令人惊讶的是，农民提出的临时沟渠(+0.66)和多年生饲草(+0.63)等解决方案，与模型显示的植被覆盖管理(C因子)重要性高度吻合。

研究采用三大关键技术：1) 基于Sentinel 2A卫星数据的RUSLE模型，以10米分辨率计算土壤流失量；2) 模糊认知映射(FCM)量化26位农民对74个侵蚀相关因素的366种关联；3) 多变量序数逻辑回归分析农民认知与模型预测的关联性。样本来自Grosseto省Pecorino Toscano DOP产区的25个代表性农场。

主要研究发现

1. 风险认知与模型预测的辩证关系

   虽然92%农民感知到侵蚀风险，但其主观评估与RUSLE量化结果存在显著差异(k=0.02)。模型显示68%耕地属"极严重"风险等级，但仅6%农民持相同判断。这种偏差源于农民以相对视角评估风险，而模型采用绝对标准。

2. 教育水平的关键作用

   逻辑回归显示，受教育年限每增加1年，农民感知高风险的概率提升4.27倍(OR=4.27)。这解释了为何"创新型农场"能识别更多保护措施(平均6.22项 vs 传统农场4.25项)。

3. 保护措施的认知图谱

   FCM揭示农民将农林复合系统视为最佳解决方案，其中临时沟渠(+0.66)和免耕(+0.27)被赋予最高权重。这与RUSLE敏感性分析结果一致——C因子(植被覆盖)贡献率达57%，仅次于LS因子(65%)。

讨论与展望

该研究首次证实了传统知识系统与现代侵蚀模型的互补价值。农民对农林复合系统的推崇(中心度1.70)为CAP政策优化指明方向——当前以年度作物为主的补贴体系，应转向支持多年生饲草等可持续系统。值得注意的是，小型农场主更易感知风险(OR=0.98)，这与其直接依赖土地生产力的生存模式相关。

研究团队特别强调，农民认知中政策因素的低权重(仅1.22个连接)暴露了现行农业环境计划(AES)的设计缺陷。正如论文通讯作者Alberto Mantino指出："当农民将'土地维护'(权重+0.38)与'政策复杂性'(-0.15)对立看待时，提示我们需要更接地气的治理方案。"这些发现为即将实施的CAP 2023-2027提供了关键证据，证明参与式方法能有效弥合科学与实践的鸿沟。

这项发表于《Agronomy for Sustainable Development》的研究，不仅为地中海脆弱生态系统保护树立了新范式，更开创了"认知-模型"双轨评估框架。正如作者所言："农民的智慧不应只是研究对象，而应成为政策设计的核心参与者。"这一理念或将重塑全球可持续农业的研究范式。