面向数字农业：基于无标度复杂网络演化博弈的数字农业技术采纳驱动与障碍因素研究

《Frontiers in Sustainable Food Systems》：Towards digital agriculture: uncovering the drivers and barriers to the adoption of digital agricultural technologies

　　

准确识别农业数字技术（digital agricultural technologies, DATs）采纳的驱动与阻碍因素，是克服农业技术扩散“最后一英里”挑战的关键。基于无标度复杂网络（scale-free complex networks, SFNs）的演化博弈理论（Evolutionary Game Theory, EGT），本文构建农业技术采纳的行动者网络（actor network），以深入分析其多维影响机制。结果表明，政府补贴（government subsidies, GS）虽为技术扩散提供短期激励，但其可持续性有限。农业技术优势是核心驱动力，将外生技术（exogenous technology, ET）转化为内生增长引擎（endogenous growth engine, EGE）。相反，信息差距（information gap, IG）、高风险感知（high risk perception, HRP）和高成本（high costs, HC）阻碍农民采纳这些技术的意愿。本研究拓展了复杂网络理论在农业技术采纳中的应用边界，揭示了驱动与阻碍因素的运行规律，并为优化农业技术采纳策略提供有价值的参考。

研究背景与问题。农业数字技术（digital agricultural technologies, DATs）对提高农业生产力、促进农村经济发展和保障粮食安全不可或缺，并推动农业强国建设。在全球人口增长压力下，Artificial Intelligence（AI）驱动的农业转型被视为实现全球可持续收获的关键路径。然而，农业数字技术仍处于小规模示范阶段，尚未有效推广和广泛应用。现有研究分别从政府、技术、农户视角探讨影响因素：政府信用服务和投入补贴可降低农户初始成本感知，技术培训可缓解信息不对称，但低行政效率会削弱政策信任；技术方面，高产出、低成本、低复杂度技术更具吸引力，AI等前沿技术成为颠覆性创新核心引擎，但实际收益和长期回报不确定且情境异质；数字风险管理不足、信息不对称、治理知识缺口及社会经济障碍构成瓶颈。农户方面，高初始投资成本和信贷困难抑制采纳意愿，数字普惠金融可缓解融资约束，风险承受能力高和教育水平高的农户采纳率更高，有效信息传播可加速扩散。问题在于，现有研究常将主体视为独立决策单元或假设个体同质混合，忽略采纳过程中的复杂动态交互机制。现实中，采纳嵌入复杂社会网络，是从微观到宏观的演化过程。传统演化博弈虽考虑有限理性、学习机制和决策过程，但通常假设同质混合，忽视决策者社会空间中位置的异质性。因此，本研究构建微观农户演化博弈模型，将模型嵌入复杂网络架构，考虑网络规模影响，模拟参数对技术采纳机制的影响，回答：复杂社会网络中农户交互机制如何促进DATs传播和落地？影响采纳实效的实际障碍和驱动因素是什么？研究贡献在于：引入无标度网络框架，拓展演化博弈在DATs采纳中的应用边界；将信息差距、技术优势、风险感知等微观参数纳入模型，识别具体驱动与障碍；深化对农户微观互动机制的理解。研究人员构建农业技术采纳的行动者网络（actor network），基于无标度复杂网络（scale-free complex networks, SFNs）的演化博弈理论（Evolutionary Game Theory, EGT），以水肥一体化管理（integrated water and fertilizer management, IWFM）为案例，构建两农户有限理性演化博弈模型，建立收益矩阵、复制动态方程（Replicator Dynamics Equation, RDE）和雅可比矩阵，求解演化稳定策略（Evolutionarily Stable Strategy, ESS）。结论为：政府补贴提供短期激励但可持续性有限；农业技术优势是核心驱动，将外生技术转化为内生增长引擎；信息差距、高风险感知和高成本阻碍农户采纳意愿。研究拓展复杂网络理论在农业技术采纳中的应用边界，揭示驱动与阻碍因素运行规律，为优化采纳策略提供参考。

关键技术方法（不超过250字）。基于无标度复杂网络的演化博弈建模；以农户为节点、社会关系为边构建农业技术采纳行动者网络；以水肥一体化管理为案例，设置两农户有限理性博弈，纳入政府技术购买补贴系数 α₁、运营成本补贴系数 α₂、技术增产系数 γ、信息效益强度 μ、风险感知 R₁ 和 R₂、规模经济 D 等参数，构建收益矩阵与复制动态方程并求ESS；在 Barabási-Albert（BA）无标度网络中，设置50、200、500个节点和100次迭代，使用 MATLAB R2023 b 仿真，采用 Fermi 规则和经验加权吸引力学习算法（Experience Weighted Attraction, EWA）。参数初值来源包括浙江省金华市浦江县葡萄园实地调研、已有文献和8位农业经济专家咨询（2位教授、2位副教授、4位博士生）。

研究结果如下。

4.1 网络结构构建。通过分析农业社区中信息灵通和有影响力农户，认为农户异质性强，农业技术采纳网络具无标度特征，因此使用无标度网络作为基础网络结构。

4.1.1 演化规则。通过构建复杂网络 G=(V,E)，新节点以概率 q 连接已有节点邻居或按 Barabási-Albert（BA）优先附着机制连接；采用 Fermi 规则进行策略更新，节点 i 以概率 P(S_i←S_j)=1/[1+exp((U_i?U_j)/k)] 采用邻居策略，并引入边重连机制。结论是该规则可刻画农户策略动态调整。

4.1.2 博弈步骤。通过设置网络规模50、200、500，总迭代100，在 MATLAB R2023 b 中模拟；t=0 生成无标度网络；t=1 以概率 p 建立新连接并按 EWA 调整策略；t=2 断开上期新连接并再建新连接、按 EWA 调整；重复至 t=100。结论是形成农业技术扩散动态仿真流程。

4.2 网络演化结果。通过实地调研、文献和专家咨询赋值，T1在10次迭代内完全采纳；T2因高风险规避或低净收益导致枢纽策略锁定，系统陷入扩散陷阱并低水平波动；50节点网络信息传递高效、收敛快；200和500节点网络异质性稀释枢纽影响，路径复杂和枢纽过载延迟收敛。

4.3 敏感性分析。以T2为基准，参数 P₁=0.04、P₂=0.05、C₁=0.03、C₂=0.02、C_F=4、R₁=1.2、R₂=1、Q=50。

4.3.1 设备购买补贴对农业技术采纳的影响。通过将补贴系数设为[0.1,0.5]步长0.1模拟，发现50节点低购买补贴初期刺激但随后下降；200节点高补贴延迟下降；购买补贴短期加速采纳，但长期受复杂网络博弈约束，高补贴提高初始扩散率和峰值采纳概率，峰值后急剧下降，说明仅购置补贴不能维持长期使用。

4.3.2 运营成本补贴对农业技术采纳的影响。通过将补贴设为[0.1,0.9]步长0.2模拟，发现50节点高补贴波动明显；200/500节点边际收益递减、惯性稳定；运营补贴不显著提高峰值但加速稳定、降低波动至5%以下，缓解长期现金流压力，增强技术粘性；高运营补贴触发延迟响应，存在阈值效应，长期依赖可能削弱技术内生竞争力。

4.3.3 技术优势对农业技术采纳的影响。通过将增产优势设为[1,1.8]步长0.2模拟，发现50节点早期加速后下降；中大网络更高技术优势系统提高稳态采纳概率；技术优势本质是内生化过程，将外生技术转化为内生增长动力，但可持续性依赖与农户实际需求适配，否则因适用性差被弃。

4.3.4 信息差距对农业技术采纳的影响。通过将信息差距系数设为[0.1,0.9]步长0.2模拟，发现50节点大信息差距导致采纳概率曲线明显波动；200/500节点负面影响系统化，500节点大信息差距下后期采纳概率降至可忽略水平；大规模网络中远端、信息可达性差农户被永久排除。

4.3.5 风险感知对农业数字技术采纳的影响。通过将风险感知系数设为[0,2]步长0.5模拟，发现50节点低风险感知初始采纳高但短期剧烈波动；高风险感知降低采纳；网络规模增加时，资源有限和收入依赖使高风险感知农户更难被说服，倾向低风险传统方式。

4.3.6 技术成本对农业技术采纳的影响。通过将技术成本设为[1,5]步长1模拟，发现低成本下采纳概率随迭代更快增加且波动小；高成本显著抑制采纳意愿和速度；高初始投资是主要障碍，尤其小中规模农户资本短缺、风险承受低，智能灌溉或精准设备超出承受力。

讨论部分总结。5.2 理论贡献：突破传统新古典或静态博弈，嵌入有限理性农户于无标度网络，表明扩散是网络拓扑与异质行为互动涌现结果；关注信息与心理隐性障碍，发现信息差距削弱理性预期，风险感知通过损失厌恶放大心理成本，大规模网络中信息差距永久排除远端农户，验证期望效用理论（Expected Utility Theory, EUT）和前景理论（Prospect Theory, PT）；比较运营成本补贴与购置成本补贴，发现运营补贴更能缓解延迟响应、增强用户粘性。5.3 实践启示：政府应构建覆盖技术采纳全生命周期的精准补贴机制，初期强化设备购置补贴，深化阶段转向运营成本补贴，避免长期一刀切高额资金注入，优先支持大型种植户、合作社等关键节点；行业服务和协会应建立与研究机构协作机制，开发标准化可视化技术绩效评价系统，利用数字平台展示增产增效潜力，建设区域技术示范基地；农业经营主体应建立内部风险应对机制，增加数字技能投资，从经验依赖转向数据驱动，并通过合作社或产业联盟分担初始投资和试错风险。5.4 局限与未来研究：主要基于仿真框架，未来用不同农业情境农户层面实证数据验证；主要关注个体农户战略互动，未充分捕捉政府、农业企业、村集体等多主体协作/竞争；未考虑不同技术异质性，未来用动态网络模型同时捕捉社会连接演化和比较不同技术扩散路径。

研究结论翻译。通过构建复杂网络演化博弈模型，本研究系统阐释多参与者策略选择过程，揭示影响农业数字化转型的关键驱动与障碍，并从微观决策视角探讨宏观农业数字技术采纳的演化过程。主要结论如下：政府激励是农户采纳农业技术的重要外部驱动，成本补贴和技术优势显著促进数字农业技术采纳。同时，风险感知和信息差距构成双向抑制机制。（1）政府激励是驱动农户选择农业技术策略的关键外生力量。设备购置成本补贴具有显著驱动效应，表明其短期激励影响大，但长期可持续性有限。运营成本补贴下降更缓慢，频繁波动，反映其对网络扰动敏感。高补贴在不同网络中表现为“延迟响应”，说明政策传导存在阈值效应，长期依赖补贴可能削弱技术的内生竞争力。未来政策设计必须从短期资金注入转向培育可持续数字农业生态系统。（2）技术优势是促进农户使用农业技术的核心驱动因素。在大规模网络中，技术优势表现“富者愈富”（马太）效应，凸显技术内生优势，为长期采纳行为提供结构性支持。然而，其可持续性依赖与农户实际需求的动态匹配。（3）信息差距、风险感知和技术成本是农业数字技术采纳的主要障碍。信息差距和风险感知通过形成心理和信息壁垒间接抑制采纳。具体而言，信息差距使农户难以获得全面及时的农业技术信息，风险感知促使农户权衡利弊以作出最适合自己的决策。相反，技术成本通过经济约束直接影响农户决策。最终，克服这些系统性障碍是推动全球农业向 Artificial Intelligence（AI）转型并实现未来可持续收获的必然要求。