肯尼亚涅里县水产养殖企业的空间分布、聚类与区位关联因素

《Discover Agriculture》：Spatial distribution, clustering and locational correlates of aquaculture enterprises in Nyeri County, Kenya

　　

空间显性信息对水产养殖的支持、管理与环境规划是必要的。本描述性基于GIS的空间研究考察了肯尼亚涅里县八个子县中注册水产养殖农户与生产单元（production units）的分布，评估了空间模式，并考察了水产养殖企业的区位关联因素（locational correlates）。可用的带日期水产养殖农户行政工作簿记录跨度为2021年11月9日至2024年1月7日；1，151条水产养殖农户记录中有1条包含格式错误的日期条目，而来自更广泛县登记册的无日期记录在相关情况下亦被保留。研究人员分析了1，203条注册农户记录，包括用于点模式分析（point-pattern analysis）的1，176个有效地理参考位置以及一份先前编制的包含1，191条记录的GIS水体邻近性分类（water-proximity classification）。分布通过农户数、池塘数和池塘面积进行评估；空间集中度通过核密度（kernel density）和最近邻分析（nearest-neighbour analysis）进行评估；养殖场位置与农业生态区（agro-ecological zones）、河流、水坝和道路进行叠加。注册农户数在八个行政单元间显示出有限的不平等（Gini = 0.047），而池塘数（Gini = 0.110）和池塘面积（Gini = 0.301）则更为不平等；这些行政汇总并不能证明项目覆盖的公平性。Kieni East和Mathira East各有最多的注册农户（167），Kieni East拥有最多池塘（250），Mathira West拥有最大池塘面积（73，520 m2）。农户数与池塘数呈正相关但不显著（r = 0.668，p = 0.070），与池塘面积无显著相关（r = -0.472，p = 0.238）。对WGS 84 / UTM zone 37 S中1，176个有效GPS点的分析显示全县范围内存在强聚类：观测平均最近邻距离为0.353 km，而期望距离为0.708 km，指数为0.498（z = -32.921，p < 0.001）。现有GIS输出将846条记录（71.03%）分类为位于距已测绘河流或水坝1 km范围内；由于缺乏土地可用性基线（land-availability baseline），该百分比被描述性解读而非作为偏好水廊道（water corridors）的证据。在完整病例逻辑分析（complete-case logistic analysis，n = 1，138；752个事件）中，Mathira West和Tetu具有较高几率属于短最近邻距离类别（short nearest-neighbour distance category），对数转换池塘面积（log-transformed pond area）具有较低几率；Kieni West、池塘数和放养状态（stocking status）不显著。残差空间自相关（residual spatial autocorrelation）仍然存在，5 km空间区块敏感性模型（spatial-block sensitivity model）保留了Mathira West和对数池塘面积作为最稳健的关联。研究结果表明，注册参与、空间集中度和生产单元能力具有不同的地理格局。更新后的地理参考登记册将支持差异化推广（differentiated extension）、水资源管理、池塘修复、生物安全（biosecurity）、投入品配送和市场聚集（market aggregation）。

研究背景方面，水产养殖日益被视为全球粮食与营养安全、生计多样化和蓝色经济的核心组成部分。2022年全球水产养殖产量达到130.9百万吨，其中水生动物产量为94.4百万吨，水产养殖首次超过捕捞渔业成为水生动物的主要来源。肯尼亚在经济刺激计划（Economic Stimulus Programme）推动下池塘水产养殖快速增长，后续公共和私人支持体系加强了孵化场、饲料供应、培训和市場开发，但部门表现仍不均衡，持续存在的制约因素包括推广覆盖有限、协调薄弱、技术能力参差不齐、生产不连续、投入成本、市场准入和环境因素等。水产养殖发展的许多维度具有空间性：养殖场层面的池塘数、池塘面积和放养状态反映生产基础设施和运营能力；景观层面的水源、地形、农业生态条件、道路、居民点、市场和公共服务塑造采纳和生产的分布。然而，适宜性评估并不必然描述小农水产养殖实际被采纳的地点——一个地点可能在生物物理上适宜但吸引的农户很少，而一个成熟的集群可能反映水源获取、道路、农户网络、推广、市场和早期公共项目的综合影响。因此，对现有养殖场进行制图可以补充前瞻性选址分析，显示参与发生的地点、企业集中的地点以及生产基础设施与行政人数统计的差异。地理信息系统（GIS）和多准则方法已支持内陆、沿海和海洋水产养殖适宜区域的识别。地理参考的养殖场记录可以通过将企业位置与行政、环境和基础设施信息关联来加强地方规划，此类记录可以识别推广人员能够高效覆盖多个养殖场的区域、投入品配送和市场聚集可行的区域以及集群生产可能需要协调管理的区域。集群和水产园区（aquapark）方法同样依赖于参与养殖场的位置、规模和运营状态的可靠信息。涅里县为考察这些关系提供了有用环境：该县包含密集定居的农业景观、广泛的河流系统、多个水坝、沥青路和碎石路，以及阿伯德尔山脉（Aberdare Range）、肯尼亚山（Mount Kenya）和中间高地与中地农业区之间清晰的生态对比。这些条件允许全县范围的水产养殖参与，同时可能沿特定环境和通道走廊集中养殖场。本研究旨在：（1）描述涅里县八个子县中注册水产养殖农户、池塘和池塘面积的分布；（2）确定已测绘养殖场位置是聚类、随机还是分散；（3）评估空间集中的环境、基础设施和生产单元关联因素。由于数据库包含的是注册养殖场而非养殖场与非养殖场比较点，该分析识别现有企业之间的空间关联因素，而不估计水产养殖采纳的因果决定因素。研究人员开展了基于GIS的描述性空间研究，得出以下结论：水产养殖企业在涅里县所有八个子县均有注册，但注册参与、空间集中度和生产单元能力遵循不同的地理格局；最近邻分析显示相对于Clark-Evans零模型存在全县范围的强聚类；密度图描述的集中主要位于定居的下高地和上中地农业景观内；视觉叠加显示许多注册企业位于已测绘的水体和道路特征附近，但由于缺乏土地可用性和背景位置比较，无法从这些叠加中推断偏好、依赖或因果走廊效应。研究的重要意义在于：仅凭注册农户数不足以规划水产养殖服务或估算基础设施能力，每年更新的地理参考登记册结合农户位置与池塘数、池塘面积、放养状态、水源、运营状态和近期产量将为县级规划提供更强基础；包含许多邻近企业的区域可评估协调推广、生物安全、投入支持、市场聚集和更广泛的水产养殖价值链升级，而拥有广泛池塘基础设施的区域可评估修复和水管理需求；新池塘开发将受益于对水源可靠性、土壤、坡度、排水、环境保护措施和市场可达性的评估，而非仅考虑与河流的邻近性。未来研究可将注册养殖场位置与可用土地或背景位置进行比较，量化到道路、市场、孵化场和推广办公室的距离，使用约束蒙特卡洛（Monte Carlo）或公认的局部聚类和空间点过程方法，并纳入养殖场和非养殖场观测以更直接地估计采纳和生产力决定因素。

在技术方法方面，研究人员使用四个相关数据源：涅里县水产养殖行政登记册（提供注册农户记录及子县、池塘数和池塘面积属性）、地理参考的Kobo Toolbox记录（提供养殖场坐标用于空间模式分析）、空间图层（表示子县行政单元、河流、水坝、道路和农业生态区，农业生态图层来自ArcGIS Online/Esri并按涅里县边界裁剪，道路数据来自OpenStreetMap并经Google卫星影像核查）以及森林和保护区图层（用于区分定居农业景观与常规池塘水产养殖受限或不太可能的位置）。数据清理标准化了子县名称、转换了以文本存储的数值变量、移除了行政标识不完整的记录并筛查了坐标的合理性。子县汇总使用1，203条注册农户记录；Kobo Toolbox工作簿包含1，191条记录，其中1，176条具有非缺失数值经纬度值并用于点模式分析，15条记录缺乏可用GPS坐标；1，176条地理参考记录中51条出现在19个精确重合坐标组中。回归分析通过国民身份证号和电话号码将Level 1生产属性与Kobo Toolbox记录匹配，产生1，138条具有有效坐标和完整子县、池塘面积、池塘数和放养信息的记录，未进行数值插补。水体邻近性分析从单独编制的GIS图层分类了1，191条记录。统计分析方面：第一个目标按子县汇总注册农户、池塘数、池塘面积和户均池塘数，使用Gini系数描述八个单元间绝对行政计数或总量的不平等，卡方拟合优度检验评估注册农户和池塘数偏离等计数行政分布的情况，Pearson相关分析考察农户数、池塘数和池塘面积之间的关联，Spearman秩相关作为敏感性检验，所有相关结果因仅基于八个汇总子县观测而被视为探索性。第二个目标使用点图显示养殖场位置，核密度估计识别养殖场相对高和低集中的区域，核密度估计使用1，176个有效GPS点，源坐标从WGS84地理坐标（EPSG:4326）转换为WGS 84 / UTM zone 37 S（EPSG:32737），使用高斯核（Gaussian kernel）带宽1，000 m、输出网格单元250 m、每个养殖场点等权重，密度以每平方公里养殖场数计算并显示为连续低到高密度表面；由于核密度估计本身不检验局部统计显著性，制图区域被描述为高密度区域或密度集中而非统计显著热点；全局最近邻分析比较每个养殖场与其最近邻养殖场之间的观测平均距离与完全空间随机性下的分析期望距离，Clark-Evans期望使用涅里县面积2，361 km2和n = 1，176个有效点。分析在Python 3.13.5中使用NumPy 2.3.5、SciPy 1.17.0、scikit-learn 1.8.0、statsmodels 0.14.6和pyproj 3.7.2进行，制图合成和辅助图层在ArcGIS Pro和QGIS中编制。第三个目标将养殖场位置与农业生态区、河流、水坝和道路叠加，河流和水坝周围1 km缓冲区用作操作性邻近筛查而非生物阈值；水体邻近性分类包含河流缓冲区、水坝缓冲区和缓冲区外类别，总和为完整分类集，但保存的GIS输出未记录同时与河流和水坝缓冲区相交位置的分配层级；由于没有随机或背景位置比较或可用土地可用性基线，水体和农业生态叠加以描述性方式报告，不确立偏好、依赖或回避；道路关系也作为视觉叠加观察呈现，因为完整的养殖场层面到道路距离数据不可用。拟合二元逻辑回归作为匹配养殖场记录中短最近邻距离类别的探索性分析：当养殖场的投影最近邻距离等于或低于观测县均值（0.353 km）时被分配到该类别，该阈值识别相对较短的最近邻距离而非正式局部空间聚类统计量；完整病例模型包括1，138个匹配养殖场，其中752个符合事件定义，未插补缺失值；预测变量为子县、ln(池塘面积 + 1)、池塘数和至少一个放养池塘的存在，以Kieni East为参考子县；报告系数、标准误、优势比（ORs）、95%置信区间（CIs）和p值；模型 adequacy 使用似然比检验、McFadden伪R2、受试者工作特征曲线下面积（AUC）、Hosmer-Lemeshow十分位拟合优度检验和方差膨胀因子（VIF）进行总结；阈值敏感性在县均值最近邻距离的75%、100%和125%处评估；残差空间自相关使用Moran's I对Pearson残差进行评估，采用行标准化八最近邻权重和999次置换；由于残差依赖仍然存在，空间稳健性分析在养殖场分配到5 km UTM网格区块（82个空间区块）后使用具有可交换块内相关和稳健标准误的二项广义估计方程（GEE）。

研究结果方面：（1）农户和生产单元的分布——注册水产养殖农户在所有八个子县均有记录，表明全县范围参与；养殖场位置集中在定居农业区域内，在阿伯德尔山脉和肯尼亚山的高海拔保护景观以及Kieni部分地区稀疏。行政指标遵循不同空间模式：Kieni East和Mathira East各有167个注册农户，Kieni East记录最多池塘数（250）；Mathira West有136个注册农户但拥有最大总池塘面积（73，520 m2），表明农户数并不直接代表生产单元能力；从子县总量计算的户均池塘数在每个子县均超过1.0，在Mukurwe-ini（1.55）和Kieni East（1.50）最高。农户数与池塘数在子县间呈正相关（r = 0.668），但关系在5%水平上不显著（p = 0.070）；农户数与池塘面积无显著关联（r = -0.472，p = 0.238），池塘数与池塘面积无显著关联（r = -0.107，p = 0.800）；Spearman秩相关给出相同总体结论。池塘面积关系对Mathira West的异常大总量敏感：排除Mathira West后，农户数与池塘面积的Pearson相关变为r = -0.223，池塘数与池塘面积变为r = 0.483；由于仅八个汇总观测，这些相关被视为描述性探索模式而非养殖场层面关联。Gini系数对注册农户最低（0.047），池塘数较高（0.110），池塘面积最高（0.301）；绝对注册农户数在子县间与等计数行政分布无显著差异（χ2 = 8.631，p = 0.280），而池塘数有显著差异（χ2 = 57.541，p < 0.001）；由于池塘面积是连续测量，其行政不平等使用Gini系数而非卡方拟合优度检验进行汇总；这些结果描述八个行政单元间注册计数和生产基础设施的分布，不确立公平参与或项目覆盖，因为农业户、农村人口和可用土地面积等分母不可用。（2）水产养殖企业的空间模式——核密度制图识别出县中部和中南部的主要高密度区域，Kieni有较小的密度集中；最强集中发生在Nyeri Town、Othaya、Mathira、Mukurwe-ini和Tetu部分地区周围的定居农业景观内；养殖场密度在阿伯德尔和肯尼亚山森林景观中较低；这些是密度集中而非统计显著的局部热点。1，176个具有有效坐标的养殖场在全县Clark-Evans零模型下显著聚类：使用投影WGS 84 / UTM zone 37 S坐标，观测平均最近邻距离为0.353 km，而使用所述县面积2，361 km2计算的期望距离为0.708 km，最近邻指数为0.498，z得分为-32.921（p < 0.001）；精确重合坐标影响19个坐标组中的51条记录；使用每个唯一坐标一条记录（n = 1，144）的敏感性分析仍显示强聚类（观测均值 = 0.371 km；期望均值 = 0.718 km；指数 = 0.517；z = -31.285；p < 0.001），表明全县聚类结果并非仅由重合坐标解释；分析零模型假设位置在全县范围内同等可用，因此未考虑保护、陡峭或其他不适宜土地。（3）农业生态环境——大多数已测绘养殖场位于下高地和上中地农业区，定居和混合种养农业也集中于此；养殖场在热带高山环境和受保护森林景观中稀疏；该模式描述注册企业的生态背景，但每个区域的养殖场数未按相应区域面积或可用农业用地标准化，因此叠加无法确立对特定农业生态区的相对选择或回避。（4）与河流和水坝的邻近性——水体邻近性分析将1，191条记录中的846条（71.03%）分类为位于距已测绘河流或水坝1 km范围内；报告的互斥类别包含692条记录（58.10%）在河流缓冲区类别、154条（12.93%）在水坝缓冲区类别和345条（28.97%）在已测绘1 km水源区之外；这些数字描述GIS输出中的邻近性；由于未计算县或可用农业用地在同一缓冲区内所占比例且未分析随机或背景位置，71.03%值不证明对水源的依赖、偏好或相对于水源可用性的集中；保存的GIS输出未记录当位置同时与河流和水坝缓冲区相交时使用的层级。（5）道路可达性——许多养殖场似乎靠近沥青路和碎石路，尤其在县中部和南部；视觉叠加显示已测绘道路、水体特征和注册养殖场位置发生在相同定居农业景观中的区域；由于完整的养殖场层面道路距离和可用性基线不可用，该关系作为视觉观察报告而非道路形成统计证明可达走廊的证据。（6）与短最近邻距离类别相关的因素——完整病例逻辑分析包括1，138个匹配养殖场，其中752个养殖场属于短最近邻距离类别；相对于Kieni East，Mathira West具有较高几率属于短距离类别（OR = 4.59，95% CI 2.49–8.46，p < 0.001），Tetu亦然（OR = 1.86，95% CI 1.12–3.10，p = 0.016）；Kieni West的估计几率较高但统计不显著（OR = 1.49，95% CI 0.91–2.43，p = 0.111）；其余子县对比在5%水平上也不显著；这些估计描述探索性基于距离的类别而非统计显著局部集群的成员资格。对数转换池塘面积与短距离类别呈负相关（OR = 0.782，95% CI 0.694–0.880，p < 0.001），而池塘数（OR = 1.073，p = 0.541）和至少一个放养池塘的存在（OR = 0.949，p = 0.737）不显著。模型总体显著（似然比χ2(10) = 79.39，p < 0.001），McFadden伪R2 = 0.054，AUC = 0.653；Hosmer-Lemeshow检验未指示拟合不足（χ2(8) = 2.73，p = 0.950），最大预测变量VIF为1.94。Pearson残差保留正空间自相关（Moran's I = 0.130，置换p = 0.001）。在5 km空间区块GEE敏感性分析中，Mathira West（OR = 3.91，95% CI 1.88–8.14，p < 0.001）和对数池塘面积（OR = 0.796，95% CI 0.705–0.898，p < 0.001）仍然显著，而Tetu和Kieni West不显著。在设定为县均值最近邻距离75%、100%和125%的阈值间，Mathira West和对数池塘面积始终显著，而池塘数和放养状态始终不显著。

讨论部分总结如下：在参与和生产单元能力方面，水产养殖参与在涅里县所有八个子县均有记录，但农户分布并不反映池塘或池塘面积的分布；这一区别很重要，因为行政人数统计可能掩盖物理生产能力的巨大差异；Mathira West说明了这一问题，其注册农户少于若干子县但总池塘面积最大；注册农户的低Gini系数和不显著等计数检验仅描述绝对行政计数的相似性，不确立公平项目覆盖，因为子县在人口、农业户、面积和适宜土地方面不同；仅基于农户数的规划可能因此错误分配推广时间、修复支持和水管理资源；子县总量计算的池塘与农户比率在每个子县均超过1.0，因为登记册包括拥有多个池塘的企业；该比率是从子县总量衍生的行政测量，不意味着每个农户经营超过一个池塘，而是表明当农户数与池塘数、池塘面积、放养状态和近期产量一起考虑时，可以更完整地评估服务需求和潜在生产基础设施；可比的肯尼亚研究同样将农户支持与管理能力、基础设施和商业化条件联系起来。在空间聚类和服务提供方面，最近邻指数0.498提供强证据表明已测绘养殖场位置相对于全县Clark-Evans零模型存在聚类；当精确重合坐标减少为每个唯一位置一条记录时结论不变（指数 = 0.517），该敏感性检查减少了对重复或共享坐标单独产生模式的担忧；然而分析零模型将全县视为同等可用于养殖场放置，因此提供广泛全县参考而非仅针对农业或其他可用土地的约束检验；核密度图因此用于描述密度集中而非统计显著局部热点。聚类既创造机会也带来风险：紧凑的养殖场组可以提高群体推广、投入品配送、农户学习、鱼类健康监测和市场聚集的效率；同时集中生产可能加剧水源竞争并增加共享疾病、生物安全和水质风险；地理参考登记册可以帮助县官员安排协调监测并在疾病或水质问题出现时快速识别邻近企业。在环境和通道走廊方面，养殖场集中在下高地和上中地区域与定居农业用地、家庭劳动力、通道和环境条件的综合重要性一致；常规池塘水产养殖在陡峭、寒冷或受保护的高山和森林环境中可能更受限制，尽管包括循环水养殖系统（recirculating aquaculture systems）在内的专业系统在基础设施、能源和经济条件允许时可能在技术上可行；由于区域特定养殖场数未按可用区域面积标准化，制图模式描述注册企业发生地点而非检验生态偏好；结果支持在水产养殖规划中联合考虑生态和社会经济条件。水体邻近性是现有GIS输出的突出描述特征：每十条分类记录中有超过七条位于距已测绘河流或水坝1 km范围内；可靠水源供应对池塘水产养殖很重要且在选址研究中通常被加权；然而当前分析未计算县或可用农业用地在同一缓冲区内所占比例，也未将养殖场位置与随机或背景位置比较，因此71.03%数字不能确立对水廊道的依赖或偏好；1 km缓冲区代表操作性邻近筛查而非选址建议；季节性流量、水质、取水权、竞争性生活与农业需求、洪水暴露、土壤、坡度、排水和废水管理也决定表现；流域保护和恢复在上塔纳（Upper Tana）系统中仍然相关，其中水生状况受多种土地利用压力影响。道路叠加显示许多注册养殖场点靠近已测绘沥青路和碎石路，尤其在中部和南部农业景观；运输可达性可以降低移动鱼苗、饲料、设备和收获鱼的成本和难度，同时改善市场 and 推广服务获取；然而当前道路结果是视觉和描述性的，因为养殖场层面距离测量和可用性比较不可用，不证明统计检验的道路可达效应。在生产单元特征和模型解释方面，完整病例模型显示在纳入池塘特征后短最近邻距离类别因子县而异；Mathira West和Tetu在普通逻辑模型中比Kieni East具有较高几率，而Kieni West对比统计不显著；重要的是空间区块GEE保留Mathira West但未保留Tetu或Kieni West作为显著子县对比；这一差异表明一些表观子县效应对残差空间依赖敏感，不能被视为独立背景效应；可能的影响包括局部水系统、道路连通性、定居模式、农户网络、推广历史和早期项目支持，但这些未在回归中直接测量。对数转换池塘面积显示与短距离类别最一致的生产单元关系：其负关联在普通模型、75%、100%和125%阈值敏感性分析以及5 km空间区块GEE中保持显著；池塘数和放养状态在逻辑模型或阈值检查中不显著；因此相对邻近性和池塘规模在数据中不等价；拥有非常大的池塘基础设施的区域即使注册参与可观也可能在局部不那么集中；这一发现与行政分析一致，其中池塘面积并不紧密跟随农户或池塘数。回归仍是探索性而非因果或验证性的；其二元结果由点间距离构建，显著残差Moran's I表明即使纳入测量预测变量后观测也不是空间独立的；5 km区块GEE提供空间稳健敏感性检查而非完整空间点过程模型；Mathira West和对数池塘面积在普通模型、阈值检查和区块分析中的稳定性加强了对这些关联的信心，而其他子县系数的较弱稳定性支持谨慎解释；更确定的分析需要公认的局部聚类或空间点过程方法以及与完整环境、可达性、市场和制度测量关联的养殖场和非养殖场或背景观测。在规划启示方面，研究结果为评估差异化服务 targeting 策略提供基础，但不证明此类干预的效果；包含许多邻近注册企业的区域可能适合评估群体推广、协调投入品配送、鱼类健康监测、水质监测和市场聚集；拥有大池塘面积但养殖场密度较低的子县可能需要评估池塘修复、企业特定技术援助和水管理支持；在低密度区域，首要规划问题是有限注册是否反映生态约束、基础设施薄弱、市场壁垒、农户态度、不活跃池塘或注册不完整。每年更新的地理参考水产养殖登记册辅以运营状态、放养、收获或主要池塘基础设施变化时的事件更新将加强县级规划；有用字段包括每个企业的坐标、池塘数、池塘面积、放养状态、水源、运营状态和近期产量；将这些属性与环境 and 基础设施图层关联将为推广规划、生物安全、投资 targeting 和可持续水产养殖发展提供实用决策支持系统。

结论与建议部分翻译如下：水产养殖企业在涅里县所有八个子县均有注册，但注册参与、空间集中度和生产单元能力遵循不同的地理格局。最近邻分析显示相对于Clark-Evans零模型存在全县范围强聚类，而密度图描述主要集中在定居的下高地和上中地农业景观内。视觉叠加还显示许多注册企业位于已测绘水体和道路特征附近，但缺乏土地可用性和背景位置比较意味着无法从这些叠加推断偏好、依赖或因果走廊效应。因此仅凭注册农户数不足以规划水产养殖服务或估算基础设施能力。每年更新的地理参考登记册结合农户位置与池塘数、池塘面积、放养状态、水源、运营状态和近期产量将为县级规划提供更强基础。包含许多邻近企业的区域可评估协调推广、生物安全、投入支持、市场聚集和更广泛水产养殖价值链升级，而拥有广泛池塘基础设施的区域可评估修复和水管理需求。新池塘开发将受益于对水源可靠性、土壤、坡度、排水、环境保护措施和市场可达性的评估，而非仅考虑与河流的邻近性。未来研究可将注册养殖场位置与可用土地或背景位置进行比较，量化到道路、市场、孵化场和推广办公室的距离，使用约束蒙特卡洛或公认的局部聚类和空间点过程方法，并纳入养殖场和非养殖场观测以更直接地估计采纳和生产力决定因素。