气候智能型乳品生产实践：实践集群在提升肯尼亚奶牛场绩效中的作用

《Agribusiness》：Climate-Smart Dairy Practices: The Role of Practice Clusters in Enhancing the Performance of Dairy Farms in Kenya

肯尼亚小农乳品生产者的气候智能（CS）实践采用模式及影响分析。通过分层抽样对665户进行调研，利用潜在类别分析（LCA）将17种CS实践分为四类集群，结合多任务内生处理效应模型（METE）评估对牛奶产量、变动成本和毛利润的影响。研究发现，集群2（健康、遗传改良、高能饲料）显著提高牛奶产量和毛利润，而集群4（更多实践）虽产量较高但成本增加。政策需针对不同集群设计，强化扩展服务（政府、私营、NGO）和合作社参与，优化资源投入以平衡效益与成本。

　　气候的不确定性正在影响发展中国家小规模奶牛生产者的生产力、盈利能力以及应对气候变化的韧性。因此，推广气候智能型（CS）奶牛生产实践被视为缓解这些负面影响的一种可行策略。然而，尽管对气候智能型奶牛实践的兴趣在上升，但关于这些实践的采用模式及其对关键农场绩效指标的影响，尤其是生产成本和毛利，实证证据仍然有限。此外，采用驱动因素似乎高度依赖于具体背景，这凸显了需要更加细致和严谨的分析。本研究评估了采用十七种气候智能型奶牛实践对牛奶产量、可变生产成本和毛利的影响。分析基于对肯尼亚三个奶源区域的665个小规模奶牛农户的横截面调查。使用潜在类别分析（LCA）将这些实践划分为四个主导类别，然后利用多项式内生处理效应模型（METE）估计这些类别对牛奶产量、可变生产成本和毛利的影响，同时考虑到家庭层面的观察和非观察异质性带来的选择偏差和内生性问题。研究结果表明，农户所属的四个类别与获得和使用不同提供者的农业推广服务的频率密切相关。在这些类别之间，牛奶产量、生产成本和毛利存在显著差异。这些发现强调了需要有针对性的政策干预措施，以提高小规模奶牛生产者的生产力、盈利能力和对气候变化的适应能力。

### 研究背景与重要性

全球气候变化的负面影响可能削弱粮食生产和粮食安全（Cui和Xie, 2022；Jones等，2023；Swinnen等，2022）。这些影响预计将在未来迅速扩大，并且影响范围更广，对发展中国家的农业部门产生重大后果（Herrero等，2013；Zougmoré等，2018）。气候变化导致的诸如气温上升、干旱和洪水等极端天气事件频率增加、大气二氧化碳浓度上升以及降水模式变化等现象，与畜牧业贫困、生产力下降和牲畜死亡相关（Defe等，2024）。例如，1981年至2000年间撒哈拉以南非洲地区经历的九次严重干旱，据估计导致了40%的牲畜损失，最严重的情况下甚至达到90%（Germer等，2023）。在国际奶业领域，仅热应激就可能使牛奶产量减少4.16%至14.42%（Ekine-Dzivenu等，2020）。

肯尼亚是撒哈拉以南非洲地区的主要奶业生产国之一（Wilkes等，2020；FAO，2021；Ogola等，2023）。然而，奶业面临着长期干旱和天气模式不稳定带来的严重威胁（Brandt，2018）。这些气候挑战导致了饲料和水的供应减少，以及牲畜寄生虫和疾病增加（Njarui等，2016a；Njarui等，2016b；Onyango等，2019；Maina等，2020；Maindi等，2020；Mudavadi等，2020；Magiri等，2021；AU-IBAR，2022）。这些因素预计会对小规模奶牛生产者的生产力、盈利能力和韧性产生负面影响（Escarcha等，2018；FAO和新西兰农业温室气体研究中心，2017；Maindi等，2020；Guzmán-Luna等，2022）。此外，它们还可能削弱奶业满足日益增长的乳制品需求的能力（Guzmán-Luna等，2022）。

### 气候智能型奶牛实践的推广

气候智能型（CS）奶牛实践的采用被推广为提高生产力、增强韧性并减少温室气体排放的一种合适策略（FAO，2010；FAO和新西兰农业温室气体研究中心，2023）。文献中已记录了多种奶牛CS实践。一般来说，这些实践确保饲料供应，碳封存，改善营养摄入，保护和多样化饲料，提高奶牛的遗传潜力，并负责任地管理粪便（Herrero等，2015；FAO和新西兰农业温室气体研究中心，2017；Zhang等，2017；Henry等，2018；Ndambi等，2019；Sarker等，2019；Lavery等，2023；Germer等，2023；L?pple等，2024）。尽管农民经常采用单一的气候智能型（CS）实践，但气候变化对小规模奶牛系统的不同影响意味着，为了实现期望的经济和环境效益，需要同时采用多种实践（Aryal等，2018；Akzar等，2023）。采用哪些实践的决策因农户的具体生态、环境和社会经济背景而异（Tittonell等，2020）。这表明这些采用决策中存在内在的权衡（Akinyi等，2021；Jagustovi?等，2021；Notenbaert等，2017；Roy等，2023；Tilahun等，2023）。

近年来，南亚和东非地区的实证研究扩展了对气候智能型奶牛实践的决定因素和影响的探讨。Abbas等（2022）研究了巴基斯坦旁遮普省奶牛农户对气候变化风险的感知以及影响其适应策略的因素。研究发现，尽管农户越来越意识到诸如热应激和水资源短缺等气候变化威胁，但适应措施，如改变喂养方式、更换奶牛品种和改善牲畜庇护设施，主要在年轻和受过更好教育的农户中更为常见。然而，主要障碍仍然存在，包括有限的财务资源、缺乏应对气候变化的耐久技术、推广服务不足以及对机构支持的不满，这凸显了需要更强的政府和组织参与。

在埃塞俄比亚和肯尼亚，文献强调了合作社结构和推广服务在促进气候智能型农业（CSA）实践采用中的重要性。Balcha等（2023）发现，埃塞俄比亚北部的奶牛合作社农户广泛采用了CSA措施，包括改进的喂养方式、更好的牲畜住房、水收集和耐旱饲料种植。这些干预措施导致了牛奶产量的增加、牲畜健康改善、收入提高和对气候变化冲击的更强韧性。类似地，Feyissa等（2025）报告了埃塞俄比亚Salale高地小规模农户中气候智能型农业实践的中等但增长的采用，采用受到推广服务、教育、农场规模和团体成员资格的正向影响，但受到财务和信息障碍的限制。

肯尼亚的研究进一步强调了特定CS策略的采用情况。Maindi等（2020）观察到，在Murang'a县，改良品种和零放牧是最广泛采用的实践，而更技术性的干预措施，如青贮饲料制作，由于知识和资源差距而滞后。Maina等（2020）则聚焦于东肯尼亚和西肯尼亚地区改良的Brachiaria草在气候智能型饲料中的采用。他们的研究发现，采用受到教育、推广服务获取、农场规模和合作社成员资格的驱动，并导致了牛奶产量和家庭收入的改善。然而，扩大采用仍面临种子供应有限、财务限制和推广支持不足的挑战。

### 采用气候智能型奶牛实践的关键决定因素

在这些地区，气候智能型农业（CSA）实践的采用决定因素包括教育、信息获取、推广服务、农场规模和合作社成员资格。财务限制、缺乏技术知识和输入获取不足是一致的障碍。值得注意的是，埃塞俄比亚和肯尼亚的研究更直接地将CSA实践的采用与可衡量的生产力和韧性提升联系起来，而巴基斯坦的研究则强调了感知、态度和机构挑战。

### 采用实践的集群分析

为了识别农户采用的气候智能型（CS）奶牛实践的主导集群，本研究应用了潜在类别分析（LCA）。选择四个集群是因为它们带来了最低的AIC值（支持信息，第5部分）。表2展示了LCA的四个集群的主导实践。这些集群的主导实践有所不同，这与Douxchamps等（2016）的研究结果一致，即CS农业实践的采用在不同农户中有所不同。集群1和3各有两个主导实践，但这些实践略有不同。每个集群内多个实践的主导性表明，农户并不依赖单一实践来应对气候变化的影响。

### 采用集群的影响因素

多元逻辑回归模型被用来估计影响农户加入特定集群的因素。该模型在数据拟合方面表现良好，并且没有违反无关属性独立性（IIA）的假设，如通过Suest检验验证（支持信息，第6部分）。表3展示了加入四个CS奶牛实践集群的边际效应估计。奶牛群规模的增加提高了加入集群4的可能性。这表明较大的奶牛群规模与多个主导的CS实践有关。较大的奶牛群规模加剧了奶牛系统对气候变化影响的暴露和脆弱性，如极端天气事件、饲料短缺、热应激和水资源短缺。这种增加的风险突显了在奶牛生产中采用气候智能型实践的重要性。Okello等（2021）发现，奶牛数量的增加提高了肯尼亚农户采用CS实践的数量。

### 实践集群对关键产出的影响

本研究使用多元内生处理效应模型（METE）来估计采用不同主导的气候智能型奶牛实践对三个关键产出的影响：牛奶产量、生产成本和毛利。选择METE模型是因为它能够考虑观察和未观察的异质性，同时控制自选择偏差——这是观察性研究中常见的问题（Deb和Trivedi，2006a；Manda等，2016；Khonje等，2018）。牛奶产量计算为三个泌乳阶段（产犊、泌乳高峰期和泌乳后期）的平均每日牛奶产量。可变生产成本计算为劳动力、饲料、健康和水资源成本的总和。成本分解有助于全面理解采用气候智能型奶牛实践的经济权衡。此外，毛利计算为收入减去可变生产成本。

### 实践集群对牛奶产量和生产成本的影响

实践集群对牛奶产量和生产成本的影响分析显示，所有集群相对于集群1都对牛奶产量有显著和正向的影响。集群2的平均牛奶产量最高，达到7.5升/天，其次是集群3（6.9升/天），而集群1的平均牛奶产量最低，仅为5.2升/天。另一方面，集群1的平均每日奶牛饲养成本最低，为KES 80.7（USD 0.70），其次是集群3（KES 86.5，USD 0.75），而集群4的平均每日奶牛饲养成本最高，为KES 105.6（USD 0.92）。这表明采用更多主导的CS实践可能会增加生产成本，但不一定显著提高牛奶产量。

### 实践集群对毛利的影响

采用主导的气候智能型奶牛实践对毛利的影响分析显示，只有集群2对毛利有显著影响（KES 41.05，USD 0.36），而集群1、3和4的影响不显著。这与集群2的高牛奶产量和相对较低的生产成本有关，而集群4的高产量被其高生产成本所抵消。因此，集群2的实践组合在提高牛奶产量和毛利方面表现更优，而集群4则因高成本而未能带来显著的毛利提升。

### 研究结论与政策启示

本研究将肯尼亚小规模奶牛生产者采用的17种气候智能型（CS）奶牛实践划分为四个主导集群，并分析了农户加入这些集群的可能性及其对牛奶产量、生产成本和毛利的影响。研究发现，农户在采用这些实践时表现出多样性，四个集群中，集群1主要由健康管理实践主导，集群2由健康、遗传改良和高能浓缩饲料实践主导，集群3由健康和遗传改良实践主导，而集群4则由健康、遗传改良、高能浓缩饲料和饲料多样化实践主导。

研究结果表明，大多数农户采用的气候智能型实践较少。约54%的农户属于集群1和集群3，这两个集群各自只有两种主导实践。相比之下，集群2和集群4则具有更多的主导实践。集群2的加入与保持奶牛记录、获得信贷和从私营部门及农民组织（FO）获取推广服务有关。集群4的加入则与较大的奶牛群规模、整合型农业系统、男性主导的家庭、较高的人力资本、获得非农业收入、稳定的土地使用权以及从非政府组织（NGO）和农民组织（FO）获取推广服务有关。此外，与推广人员的频繁接触和对气候变化的深入了解减少了农户加入集群3的可能性。

这些发现强调了多元化的推广体系在促进气候智能型奶牛实践采用中的重要性，这与全球关于多利益相关方合作推广此类实践的证据相一致。由于气候变化知识和频繁的农户-推广人员互动对采用行为有积极影响，因此需要制定鼓励定期农户-推广人员互动的政策，并将气候变化教育纳入推广服务包中。此外，大多数气候智能型实践的低采用率以及农户集中在少数主导实践上，凸显了需要更积极的推广努力。

研究还揭示了采用实践的潜在权衡。虽然采用更多主导实践的集群会增加可变生产成本，但不一定带来更高的牛奶产量或改善毛利。与集群1相比，集群2、3和4的牛奶产量有所提高，其中集群2的提升最大，而集群4的提升最小。在成本和收益方面，只有集群4的可变生产成本有显著增加，而只有集群2的毛利有显著改善。

总体而言，这些发现表明，采用更多的气候智能型奶牛实践并不一定带来更好的经济结果。相反，特定实践组合的有效性更为重要。这突显了需要基于证据的实践组合策略，以在管理成本的同时最大化收益。对于资源有限的农户，有针对性地采用已被证明有效的实践组合，如集群2中的实践，提供了一种优化生产力和盈利能力的实用策略。

此外，研究结果对政策制定具有重要意义。不同推广提供者（包括公共机构、私营部门、非政府组织和农民组织）的影响表明，建立一个多元化的推广体系至关重要。这样的体系应利用每个利益相关方的相对优势，以促进气候智能型奶牛实践的采用。推广信息应根据农户的社会经济背景进行定制，认识到性别、奶牛群规模、教育水平和收入水平等因素对采用决策的显著影响。

### 研究的强项与局限性

本研究采用了定量计量方法，特别是潜在类别分析和多元内生处理效应模型，来分析气候智能型奶牛实践的采用及其对家庭福利指标的影响。这种方法考虑了多种实践之间的相互依赖性，提供了对采用动态的深入理解，并揭示了这些实践组合中的潜在权衡。尽管计量分析提供了关于当前采用模式及其对家庭福利影响的有价值的见解，但本研究并未评估这些实践的未来潜力。未来的研究可以利用模拟技术来建模不同的采用情景，评估不同实践组合的影响，并估计从增加采用实践数量中获得的潜在福利收益。