《Proceedings of the National Academy of Sciences》：Modeling the global potential of smart farming innovations
编辑推荐：
智慧农业创新（Smart Farming Innovations, SFI）能够提升农业生产率、韧性和环境可持续性，但其现实影响取决于扩散动态，而扩散动态又依赖于经济可行性。本研究基于农民视角和社会视角，以约5 km的空间分辨率对全球农田上智慧农业创新的盈利能
智慧农业创新（Smart Farming Innovations, SFI）能够提升农业生产率、韧性和环境可持续性，但其现实影响取决于扩散动态，而扩散动态又依赖于经济可行性。本研究基于农民视角和社会视角，以约5 km的空间分辨率对全球农田上智慧农业创新的盈利能力进行了全球评估。研究覆盖了精准农业施用图谱（application mapping for precision agriculture）、投入品的自动化施用（automated application of inputs）、自主除草机械（autonomous weeding machines）、GPS转向辅助系统（GPS steering assistance systems）以及自主灌溉系统（autonomous irrigation systems）。为此，研究人员整合了一套全球范围的智慧农业创新采用位置数据集（N = 4,422），该数据集结合了问卷调查（N = 2,677）和荟萃分析（N = 1,745），并与遥感及统计数据相结合，训练了一个由五种地理空间机器学习模型组成的集成模型（广义线性模型、随机森林、支持向量机、最大熵模型和增强回归树），该模型揭示了不同创新盈利能力的全球分布及其与这些创新有助于缓解的重大环境问题之间的重叠关系。基于共享社会经济路径的未来模拟，结合对未来农业环境政策的假设表明，特别是在中等收入国家，智慧农业的潜力将随时间增长。
论文解读
一、研究背景与研究意义
全球农业正面临一系列相互关联的挑战：人口增长和收入提升推动粮食需求快速上升；气候变化和土地退化削弱了生产潜力；农业劳动力短缺问题日益突出，尤其是在许多高收入国家，人口停滞和老龄化进一步加剧了劳动力约束。与此同时，农用化学品的密集使用虽然大幅提升了全球农业生产力，但也带来了显著的生态与健康代价，农业已成为全球生物多样性和生态系统服务下降的主要驱动因素之一。农业亟需在提升环境可持续性的同时增加粮食产量，实现"以更少投入生产更多"的目标。
智慧农业创新（Smart Farming Innovations, SFI）被视为应对上述挑战的重要途径。这些技术旨在使农业实践更加精准、灵活和本地化，整体上实现更高水平的效率，涵盖精准农业施用图谱、投入品自动化施用（variable rate technology, VRT）、自主除草机械、GPS转向辅助系统以及自主灌溉系统等五类代表性技术。然而，智慧农业创新的实际影响取决于其扩散动态，而扩散动态又从根本上取决于经济可行性——如果技术不盈利，就不可能广泛扩散并产生大规模影响。
目前，关于智慧农业创新全球潜力的实证证据分散、零碎且方法上缺乏统一性。现有研究主要依赖三种途径：对已使用技术的后验评估、小规模田间试验以及先验建模研究，但这些方法均难以扩展到全球尺度。此外，智慧农业创新的经济潜力与环境可持续性挑战（如生物多样性丧失、水资源短缺、氮污染和农药污染）之间的空间重叠关系此前尚未得到系统评估。因此，开展一项全球尺度的、方法统一的智慧农业创新经济潜力评估，对于政策制定者和企业均具有重要的现实意义。
二、研究内容与主要结论
研究人员于2023年11月至2024年8月开展了一项全球范围的专家调查，通过有目的的抽样和滚雪球抽样策略，联系了超过8,000名来自农业技术供应商、农民及研究机构的智慧农业专家，收集了智慧农业创新已实现盈利的地理位置信息。同时，研究人员整合了一项关于农业技术采用研究的全面荟萃分析数据，最终构建了包含4,422条观测记录的全球数据集（其中约60%来自调查，约40%来自荟萃分析），覆盖67个国家。
研究采用18个理论驱动的预测变量，包括社会经济因素（经济自由度指数、人类发展指数、产权保护指数）、基础设施变量（到达城市的旅行时间）、环境变量（土壤有机碳、土壤含水量、暖季降水与温度、地形崎岖度、平均海拔）、农艺变量（作物类型数量、农田比例、人口统计、田块大小分类）以及国家层面指数（环境绩效指数、政府支出指数、投资自由指数、夜间灯光）。研究人员使用五种地理空间机器学习算法（广义线性模型、随机森林、支持向量机、最大熵模型和增强回归树）构建集成模型，以约5 km的空间分辨率预测各智慧农业创新在全球农田上的经济潜力，并通过五折空间交叉验证确保模型评估的可靠性。
三、研究结果
全球智慧农业创新的经济潜力。 研究将经济潜力定义为在给定位置（像素级）某项创新对至少部分农民已实现盈利的概率。全球范围内，智慧农业创新的经济潜力与社会经济发展水平存在显著对应关系。北美和西欧是全球智慧农业的热点区域，澳大利亚、以色列、韩国和日本等高收入国家也表现出较高潜力。美国、欧洲的高潜力可能源于高劳动力成本、对可持续高价值生产的社会政治优先关注、高人均收入、教育水平以及支持智慧农业创新采用的基础设施和制度投资。不同创新之间的潜力分布存在异质性：自主除草机械目前主要集中在西欧，主要用于除草剂密集的条播作物（如甜菜）；自主灌溉系统的建模难度最大，因为目前全球仅有小部分灌溉农田采用适合自动化的喷灌或滴灌系统。
经济潜力与全球可持续性挑战的关联。 研究人员将智慧农业创新的经济潜力与四大环境可持续性挑战进行了空间叠加分析：将所有智慧农业创新的综合经济潜力与全球生物多样性丧失地图叠加；将自主灌溉系统的经济潜力与全球水资源压力地图叠加；将自动化投入品施用的经济潜力与农业氮污染地图叠加；将自主除草机械的经济潜力与农药污染风险地图叠加。结果显示，高生物多样性丧失率与高智慧农业经济潜力的重叠区域主要集中在北美、澳大利亚，南美、西欧、南非和中国处于中等水平。智能灌溉经济潜力与水资源压力的中高重叠出现在南北美洲、欧洲和亚洲大部分地区。自动化投入品施用的经济潜力与化肥污染的高重叠集中在中国、西欧和北美，印度和澳大利亚处于中等水平。自主除草机械潜力与农药污染的重叠模式类似，但西欧、北欧和美国玉米带是明显例外。
SSP2路径与环境严格性情景下的智慧农业潜力预测。 研究人员基于共享社会经济路径2（Shared Socioeconomic Pathway 2, SSP2，即"中间道路"情景）预测了2035年和2045年的智慧农业创新经济潜力，并通过调整环境绩效指数（Environmental Performance Index, EPI）模拟了高环境严格性（乐观情景）和低环境严格性（悲观情景）两种对比性环境治理路径。在SSP2基线情景下，全球智慧农业创新经济潜力覆盖的农田面积预计将从2025年的5.015亿公顷（42%）稳步扩大至2035年的5.435亿公顷（46%）和2045年的5.885亿公顷（50%）。在乐观情景下（各国EPI设定为其所在世界银行收入组内的最高值），智慧农业潜力覆盖面积在2035年达到8.392亿公顷（约71%），2045年达到8.863亿公顷（约75%）。在悲观情景下（EPI设定为收入组内最低值），2035年仅覆盖3.22亿公顷（约27%），2045年为3.731亿公顷（约31%）。值得注意的是，2035年乐观情景下的潜力甚至高于2045年基线SSP2预测，表明环境治理和政策在塑造智慧农业技术潜力方面具有关键作用。尽管多个发展中地区预计将获得增长，撒哈拉以南非洲在所有情景下均持续表现出较低的智慧农业创新采用潜力，中亚和中东部分地区也仅呈现适度扩张。
四、讨论与结论
研究发现智慧农业创新在全球范围内具有相当大的潜力，可使农业更具生产力、韧性和可持续性，其中北美和西欧的潜力尤为突出。东欧目前潜力较低，但未来扩张潜力最大的地区集中在亚洲、南美和东欧的中等收入国家，这些地区也是上述重大环境挑战的重要贡献区域。研究还揭示了区域差异的深层原因：农业技术主要在高收入国家背景下开发，导致创新可能与世界其他地区的农业生态、社会经济和制度条件不相适应，这种"不适用技术"的扩散障碍部分解释了撒哈拉以南非洲等地区持续较低的潜力。研究强调，仅靠社会经济发展和监管改善可能不足以解决最低收入地区的潜力差距，需要将农业研发从根本上转向适合小农耕作系统和多样化农业生态的背景适配创新。
在政策启示方面，研究人员建议政策制定者考虑将智慧农业纳入国家战略，利用补贴、推广服务和基础设施投资来弥合数字鸿沟并释放社会经济效益。研究同时指出，智慧农业创新存在过度监管和监管不足的双重风险：监管过少可能导致技术从社会视角被次优使用，甚至增加环境和健康成本；监管过多则可能因行政和官僚负担使自动化机械等创新丧失经济优势。因此，需要在经济自由与创业精神之间取得平衡，同时保护社会免受技术进步的负面影响。未来研究应继续系统性地联合分析智慧农业的技术和经济层面，并建议将智慧农业创新的预期扩散与环境挑战的动态变化相结合，以进行前瞻性评估。
