智慧农业对畜牧生态效率的影响：中国十省肉鸭养殖户的实证分析

《Agricultural Systems》：The impact of smart farming on livestock eco-efficiency: An empirical analysis of meat duck farmers in 10 Chinese provinces

　　

• •
  智慧养殖显著提高了肉鸭养殖的生态效率。
• •
  智慧养殖通过加强风险管理和优化资源配置来提升生态效率。
• •
  智慧养殖的生态效率提升效应在资源禀赋较高的地区以及大规模养殖场中尤为显著。
• •
  与采用单一智慧养殖技术相比，组合采用多种智慧养殖技术能产生更强的生态效率提升效应。
• •
  研究结果支持采取差异化和组合式的智慧养殖技术策略，以促进畜牧业生态效率的提升。

引言

畜牧业在国民经济和农村民生中发挥着重要作用。它不仅乡村振兴的重要支柱，也是农业农村现代化的基础产业（Habimana, 2024）。然而，随着畜牧业规模和强度的持续增长，资源消耗和环境压力日益凸显。中国第二次全国污染源普查报告显示，在畜禽养殖水污染排放中，化学需氧量、氨氮和总磷分别占农业非点源污染排放的93.76%、51.30%和56.46%。畜禽养殖已成为农业非点源污染的主要来源。在资源和环境约束日益加剧的背景下，畜牧业的发展方向正逐渐从单纯追求产量增长转向兼顾资源节约与环境可持续性的高质量发展。因此，如何在环境约束下实现可持续发展并保障经济可行性，已成为当前畜牧业发展中亟待解决的重要问题。（见图1。）（见表1、表2、表3、表4、表5、表6、表7、表8、表9、表10、表11、表12。）

畜牧业生态效率是衡量农业可持续发展的关键指标（Peng等，2025），它将人类活动的资源与环境投入和产出之间的协调关系进行了量化（Tamburino和Bravo，2024）。与单一维度的经济绩效指标相比，生态效率通过整合要素投入、期望产出和非期望产出，实现了对经济与环境效益的综合评估（Wang等，2025）。一方面，在农业生态效率测度方法的研究中，数据包络分析（DEA）及其扩展模型构成了主流的分析框架（Angulo-Meza等，2019；Sun和Sui，2023；Asmare等，2026）。此外，学者们还采用了生命周期评价（Forleo等，2018；Garcia-Gudino等，2025）和随机前沿分析（Song和Chen，2019；Novakovic等，2025）等方法来衡量农业生态效率。与此同时，关于农业生态效率影响因素的研究主要从制度环境（Eder等，2021；Sidhoum等，2023；Kang等，2023）和技术进步（Yang等，2022；Vogel等，2023；Martinsson等，2024；Ejeta和Bai，2026）两个角度展开，强调了政府监管、财政补贴、组织体系和技术采纳在农业生产转型和生态效率提升中的作用。关于农业生态效率测量对象的选择，早期研究主要分析农、林、牧、渔四大部门。然而，不同农业细分部门在投入结构、产出特征和污染排放模式方面存在显著差异。基于如此宽泛的农业框架进行测度可能无法充分捕捉部门间的异质性。随着研究的深入，文献逐渐将测量目标细化到农业的不同细分领域。其中，由于畜牧业资源消耗强度高且环境外部性显著，它已成为农业生态效率研究的重点领域。

随着全球农业面临的资源约束和环境压力日益加剧，单纯依赖扩大要素投入的增长模式已难以为继，技术创新成为突破发展瓶颈的关键路径（Gamage等，2024）。在智慧农业快速发展的背景下，智慧畜牧业作为数字技术与畜牧生产深度融合的具体体现，正推动畜牧业从传统经验式管理向信息化、智能化和精准化管理转变。这一转变对于提升畜牧业的竞争力至关重要（Selvaggi等，2024）。然而，在智慧养殖对农业生产品效影响的研究中，大多数现有研究仅从生产效率或单一环境绩效指标来评价智慧养殖；而以生态效率为框架、兼顾经济产出与环境影响的实证研究仍十分有限。从系统科学的角度来看，任何生产系统都由信息流、决策规则和反馈回路等核心要素构成（Meadows，2008）。

在农业系统中，信息的收集、传输和利用构成了畜牧养殖管理决策的基础（Magne等，2010），而养殖主体的管理决策则决定了系统对外部扰动的响应模式（Kaufmann，2008）。智慧养殖的引入从三个方面影响着畜牧系统。首先，它缩短了反馈回路的延迟，技术子系统和环境子系统之间的交互作用将生产从事后调整转变为实时调控（Leliveld等，2024）。其次，它改变了决策规则，使管理子系统对生物子系统的管理从基于经验的判断转变为数据驱动的方式（Jiang等，2025）。第三，它增强了信息流的连续性和精准性，通过技术子系统与生物子系统的联动，在全程监控下实现生产的精确控制（Jiang等，2025）。数字技术的嵌入不仅改变了生产管理方式，还影响着养殖主体在资源配置、风险应对和生产决策方面的行为选择（Leddin等，2023）。与此同时，不同养殖部门在产业结构和环境约束方面存在显著差异。与生猪养殖和奶牛养殖等部门相比，肉鸭生产具有高存栏密度、短生长周期和单位产出粪便集中等特点，对生产管理的精准度要求更高，对环境约束的响应能力要求更强。这使其成为评估智慧养殖系统有效性的理想案例研究对象。

因此，有必要系统性地阐明智慧养殖在微观层面提高肉鸭养殖畜牧业生态效率的实际作用和机制。中国是全球主要的禽肉生产和消费国。2024年中国禽肉产量达2380万吨，占全球总量的16.8%，位居世界第一。与此同时，中国畜禽养殖业正经历从传统粗放经营向规模化、标准化和数字化经营的关键转型（Su和Li，2024）。因此，我们利用中国1197名肉鸭养殖户的微观调查数据，探讨以下三个研究问题：第一，智慧养殖能否提升肉鸭养殖的生态效率？第二，如果可以，其内在机制是什么？第三，不同技术组合对生态效率的影响是否存在差异？具体而言，技术组合是否优于单一技术？不同技术组合之间是否存在效果层级差异？

针对这三个研究问题，我们做出三点贡献：第一，从研究视角来看，通过将生态效率框架应用于肉鸭养殖这一专业领域，并在个体养殖主体的微观层面考察智慧养殖的综合效益，我们为专业畜牧细分领域中智慧养殖研究补充了微观层面的证据。第二，在机制分析方面，我们以死亡率作为风险管理机制的代理变量，以料肉比作为资源配置机制的代理变量，检验实证结果是否与该理论路径一致，从而为智慧养殖与畜牧业生态效率之间关系的"黑箱"问题提供微观实证依据。第三，我们区分了不同技术组合采用的差异化效应，揭示了多种技术组合应用所呈现的层级模式。

章节摘录

智慧养殖对畜牧业生态效率的影响

智慧养殖最初源于自然科学领域的技术发展。然而，在农业生产中，它不仅仅是技术的应用，更是一种系统性的生产实践。从系统科学的角度来看，肉鸭养殖的生产系统由生物子系统（鸭的生产与健康）、环境子系统（室内微气候与废弃物排放）、技术子系统（传感器、控制器和智能

数据来源

本研究的数据来源于研究团队于2024年在中国10个省份和直辖市开展肉鸭养殖实地调查所得，包括山东、安徽、江苏、四川、河南、河北、吉林、内蒙古、福建和天津。调查对象和区域的选择主要基于以下三项标准：第一，考虑产业代表性和国际关联性。中国在肉鸭方面位居世界第一。

影响农户采纳智慧养殖技术因素的分析

智慧养殖技术的采纳反映了农户的自选择行为。为解决样本选择偏差导致的内生性问题，我们估计了技术采纳的条件概率。表3的估计结果揭示了影响采纳决策的多维度因素。

在个人特征方面，年长农户对节省劳动力技术的需求更为迫切，而较高的风险偏好则直接增加了农户采纳新技术的意愿。

结论

本研究利用中国主要肉鸭产区1197名农户的调查数据，采用IPW和IPWRA方法考察智慧养殖对畜牧业生态效率的影响。此外，利用MESR模型估计不同智慧养殖技术组合对畜牧业生态效率的影响，并比较其相对有效性。主要结论如下：

第一，智慧养殖能够显著提升畜牧业生态效率。

CRediT作者贡献声明

陶桂仁：撰写——初稿，软件，项目管理，方法论，形式化分析，概念化。王宇豪：撰写——审阅与编辑，可视化，方法论。刘凌芝：验证，监督，项目管理，调查研究。

利益冲突声明

作者声明不存在任何已知的可能影响本文所述工作的竞争性财务利益或个人关系。

陶桂仁 | 王宇豪 | 刘凌芝