基于邻近性的替代食品网络中农业空间的特征分析：以法国东南部为例

《Land Use Policy》：Characterization of agricultural spaces engaged in proximity-based alternative food networks: The southeastern France case study

本研究基于法国PACA地区农业空间形态、经济特征和地理环境，运用机器学习和空间分析方法，探讨农业空间参与替代食品网络（AFN）的可能性。研究发现，AFN参与的农业空间多位于城市近郊，具有较小的规模、更复杂的形态和更高的作物多样性，且存在显著的空间自相关现象。

　　在当前的欧洲农业体系中，农业和食品供应链紧密相连，呈现出高度的专业化和集约化特征。随着全球化和生产力提升，传统的“工业农业”模式在农业领域占据主导地位，这种模式通常依赖于大规模生产、标准化操作以及复杂的供应链结构。然而，近年来，一种基于地理接近性的替代食品网络（Alternative Food Networks, AFN）逐渐兴起，为农业体系提供了新的发展方向。AFN不仅挑战了传统农业模式，还回应了社会对食品来源透明度和可持续性的需求，同时为农民带来了更高的经济回报。本文通过分析法国普罗旺斯-阿尔卑斯-蓝色海岸（PACA）地区的农业空间特征，探讨了这些农业空间参与AFN的可能性，并结合机器学习方法和空间分析技术，提出了一个模型来预测农业空间的AFN参与概率。

### 一、农业空间的形态与农业模式

农业空间的形态和结构对于其在不同食品供应链中的位置具有重要影响。随着农业现代化的推进，传统的农业空间逐渐被大规模、高度集约化的“生产盆地”所取代，这些区域通常具备较大的农场规模、单一作物种植以及高度的专业化。然而，这些特征也使得农业空间难以适应AFN的运营模式。AFN强调的是农业与消费之间的直接联系，通常表现为较小的生产规模、较高的作物多样性以及复杂的土地形态。这种模式与传统的“工业农业”形成鲜明对比，后者倾向于大规模生产、长距离运输和高度依赖中间商的供应链。

农业空间的形态特征，如土地形状、地块大小和分布情况，对农业生产力和经济表现具有显著影响。例如，形状不规则的地块通常难以进行机械化作业，增加了生产成本，同时也限制了大规模农业的可行性。相比之下，形态简单、集中且规则的地块更适合工业化农业。然而，这种模式并不适用于所有农业空间，特别是在那些受到地理环境、社会经济条件和政策支持影响的区域，AFN提供了一种更具适应性的选择。本文的研究表明，AFN农业空间往往呈现出更小的规模、更复杂的形态特征以及更高的作物多样性，这些因素使其在传统农业体系中处于边缘地位，但在某些特定的地理和经济条件下，反而成为支持可持续农业和本地化食品供应的重要力量。

### 二、AFN的兴起与农业空间的重新定位

AFN的兴起与农业空间的地理接近性密切相关。这些网络通常依赖于农民与消费者之间的直接互动，强调生产地与消费地的地理邻近性，以及生产过程的透明度和可持续性。在法国PACA地区，AFN的发展尤为突出，尤其是在城市周边地区，如马赛、土伦和尼斯附近。这些区域的农业空间往往具有更高的地理接近性，使其成为AFN的重要载体。此外，AFN的兴起也与社会对食品来源和生产方式的关注密切相关，特别是在对农业投入品的不信任背景下，消费者更倾向于选择具有透明性和可持续性的食品。

AFN不仅改变了农业生产的方式，也重新定义了农业空间在食品供应链中的角色。它们鼓励农民采用更灵活的生产策略，如多样化种植、有机农业以及与本地社区的合作。这些策略有助于减少对长距离运输的依赖，降低中间环节带来的成本，同时提升农民的经济收益。然而，AFN的推广也面临一定的挑战，例如对大规模生产模式的适应性不足、运输成本的增加以及对农业政策的依赖。因此，理解农业空间的特征及其与AFN之间的关系，对于制定有效的农业政策至关重要。

### 三、机器学习模型的应用与空间分析

为了更好地理解农业空间与AFN之间的关系，本文构建了一个基于机器学习的分类模型，以评估农业空间参与AFN的可能性。该模型通过整合多种空间数据，包括土地利用类型、地块形态特征以及农业经济指标，对农业空间的特征进行了系统分析。模型的训练数据来源于实地访谈和半自动数据收集，最终形成了一个包含约1700个观测点的数据集，涵盖了PACA地区的不同农业空间类型。

模型的性能评估显示，不同网格尺寸对预测结果具有显著影响。其中，600米网格尺寸的梯度提升分类器（Gradient Boosting Classifier, GBC）在敏感性指标上表现最佳，表明该模型能够更准确地识别农业空间参与AFN的可能性。此外，模型还通过局部空间自相关（Local Indicators of Spatial Association, LISA）分析，揭示了农业空间在空间分布上的异质性。结果表明，AFN农业空间往往呈现出较高的空间隔离性，与传统的农业区域形成对比。这种隔离性不仅体现在地理位置上，也体现在农业形态和经济结构上。

### 四、农业空间的空间分布与AFN的地理特征

通过空间分析，本文进一步探讨了AFN农业空间在PACA地区的分布特征。研究发现，AFN农业空间主要集中在城市周边地区，这些区域的农业活动往往与城市需求紧密相连。例如，靠近马赛、土伦和尼斯的农业区域，由于其靠近消费市场，更有可能参与AFN。相比之下，传统的农业区域则呈现出更高的集中性和规模化特征，通常位于远离城市中心的农业盆地，如瓦伦索勒高原、维希地区以及加尔省的葡萄种植区。

此外，农业空间的形态特征也对AFN的参与概率产生影响。研究显示，AFN农业空间往往具有更复杂的地块形状，而传统农业空间则更倾向于规则和集中的形态。这种形态差异不仅反映了农业生产的不同模式，也揭示了农业空间在食品供应链中的不同定位。复杂地块的农业空间由于其生产效率较低，更可能选择AFN模式，以适应本地市场需求和消费者偏好。

### 五、政策与实践的结合

本文的研究不仅揭示了农业空间与AFN之间的关系，还强调了政策支持在推动AFN发展中的重要性。在法国，近年来出台了一系列支持本地农业发展的政策，如“米兰城市食品政策公约”和“LEADER”项目，这些政策旨在促进农业的本地化和可持续性发展。然而，政策的有效性取决于对农业空间特征的深入理解，以及对不同农业形态的差异化支持。

研究还指出，AFN的推广需要考虑农业空间的经济和社会条件。例如，年轻、受过良好教育的农民更有可能参与AFN，而传统农业模式则更依赖于规模效应和标准化生产。因此，政策制定者需要在支持AFN的同时，考虑到农业空间的多样性和复杂性，以确保不同类型的农业都能在可持续发展的框架下获得支持。此外，研究还建议，未来可以通过进一步细化农业空间的分类，结合更多的社会经济数据，以提高模型的预测能力和政策的针对性。

### 六、研究的意义与未来方向

本文的研究为理解农业空间与食品供应链之间的关系提供了新的视角。通过结合机器学习模型和空间分析技术，研究揭示了AFN农业空间在地理分布、形态特征和经济结构上的独特性。这些发现不仅有助于农业政策的制定，也为农业实践提供了新的思路。例如，通过识别具有高AFN潜力的农业区域，可以更有针对性地支持本地农业的发展，同时减少对大规模农业模式的依赖。

此外，研究还指出，未来需要进一步探索AFN农业空间与其他因素之间的关系，如社会经济条件、政策支持和地理环境的变化。这些因素可能对AFN的发展产生重要影响，而当前的研究主要基于空间特征进行分析。因此，未来的研究可以结合更多的社会经济数据，以更全面地理解AFN的形成机制和发展路径。同时，研究还可以扩展到其他地区，以评估AFN模式的普遍适用性，以及其在不同地理和经济条件下的表现。

总之，本文的研究为农业空间与食品供应链之间的关系提供了深入的分析，并通过机器学习模型和空间分析方法，揭示了AFN农业空间在地理分布、形态特征和经济结构上的独特性。这些发现不仅有助于理解农业空间的多样性，也为农业政策的制定和实践提供了重要的参考依据。未来的研究需要进一步探索AFN模式的推广路径，以及如何通过政策和实践的结合，促进农业的可持续发展和本地化食品供应。