将制约因素转化为优势：采用气候智能型农业技术能够在生产受限的情况下提高玉米产量和产量稳定性

《Journal of Cleaner Production》：Turning constraints into gains: Climate-smart agriculture adoption improves maize yield and yield stability under production constraints

　　

Jing Zhao|Shaopeng Wang|Xinru Miao|Rui Huang|Jun Lin

马来西亚普特拉大学农业学院农业企业与生物资源经济学系，Serdang，Selangor，43400，马来西亚

摘要

气候变化威胁着全球农作物产量，尤其是在像中国河南省这样的脆弱地区，那里的玉米产量一直很低且波动很大。为应对这些挑战，气候智能型农业（CSA）提供了一个有前景的解决方案。本研究利用432位玉米农民的横截面数据构建了一个CSA采纳指数，并应用多项式内生转换回归（MESR）和随机森林（RF）来评估和验证CSA采纳对玉米产量的影响。结果显示，较高的CSA采纳水平可以缓解关键的生产限制，包括土壤肥力不足和极端天气条件，并将产量决定因素从对外部资源的依赖转向内部能力，如教育。MESR的估计进一步表明，如果转向高采纳水平，低采纳者每公顷产量可增加599.3公斤（10.50%），中等采纳者每公顷产量可增加288.4公斤（7.55%）。此外，较高的采纳水平还能提高产量稳定性。在反事实的高采纳情景下，低采纳者的变异系数（CV）从0.136下降到0.096，中等采纳者的变异系数从0.108下降到0.086，四分位数范围（IQR）从1140.5公斤/公顷下降到854.8公斤/公顷，表明在高采纳水平下产量更加稳定。这些玉米产量和稳定性的改进证明了在生产限制条件下提高CSA采纳的有效性，支持在日益增长的气候不确定性和资源限制下实现更高效和有韧性的玉米生产。

引言

气候变化导致了越来越频繁的气候灾害（Memarbashi等人，2022年），对全球农作物产量的稳定性构成了严重威胁。在这些作物中，玉米特别容易受到热应激、干旱和洪水等极端天气事件的影响（Hussain等人，2019年）。作为世界第二大玉米生产国，中国2024年收获了2.9492亿吨玉米。然而，自2018年以来，国内产量一直低于消费量，导致每年供应缺口在2050万至3940万吨之间（OECD & FAO，2024年）。

作为中国主要的玉米生产区之一，河南省的特点是产量持续较低且产量波动较大（中国国家统计局，2025年）。这种脆弱性与该地区位于气候过渡带有关，在这里干旱、洪水和热应激频繁发生，并且往往与玉米的关键生长阶段重合，从而加剧了产量波动（Han等人，2020年；河南省统计局，2023年；Shao等人，2023年）。同时，河南省的玉米生产仍然严重依赖投入密集型生产方式，导致持续的生产限制，并引发了关于长期可持续性的担忧。结合产量波动，这些压力威胁到区域供应链和国家安全，因此迫切需要找到有效的策略来缓解生产限制，并在气候风险下提高玉米产量和产量稳定性。

气候智能型农业（CSA）被广泛认为是一种有效的农业策略，可以提高农业生产力，增强对气候变化的抵御能力，并在气候变化下减少温室气体排放（FAO，2013年）。通过土壤和水资源保护、改进的营养管理以及耐逆境作物品种等做法，CSA已被证明可以提高玉米产量，特别是在气候脆弱地区（Bongole等人，2022年；Eze等人，2022年；Martey等人，2023年）。

尽管对CSA增产效果进行了大量研究，但仍有一些关键问题尚未得到解决。首先，大多数研究依赖于二元或基于计数的采纳度量方法（Abegunde等人，2020年；Akter等人，2022年）。这种方法无法捕捉采纳强度，并可能在大多数农民已经采用至少一种做法的情况下引入测量偏差（Kpadonou等人，2017年；Yang，2023年）。其次，现有研究主要集中在CSA在提高产量方面的作用，但忽视了其缓解抑制产量的限制的潜力（Amadu等人，2020年）。第三，关于CSA在中国玉米生产中的有效性的大规模实证评估仍然很少，大多数研究集中在非洲（Martey等人，2020a；Martey等人，2020b）。最后，当前的研究主要依赖计量经济模型，很少使用机器学习方法（Gashure等人，2022年；Liang等人，2021年；Musara等人，2022年；Teklu等人，2022年）。这限制了跨模型的验证和预测性能的评估。

为了解决这些局限性，本研究构建了一个CSA采纳指数，然后结合多项式内生转换回归（MESR）和随机森林（RF）开发了一个综合的实证框架。本研究有四个主要贡献。首先，它构建了一个CSA采纳指数，既捕捉了采纳的广度也捕捉了采纳的强度，从而更准确地对不同采纳水平的农民进行分类。其次，它不仅分析了产量，还表明较高的CSA采纳水平逐渐缓解了关键的生产限制。第三，它提供了来自中国玉米生产的实证证据，为CSA采纳及其影响提供了新的见解。最后，它通过将机器学习算法与传统计量经济模型相结合，引入了一种新的方法论整合，从而增强了结果的稳健性和可信度。

本研究的目的是考察较高的CSA采纳水平是否可以逐步缓解关键的生产限制并提高玉米产量和稳定性。本文的其余部分结构如下：第2节总结文献；第3节介绍计量经济和机器学习方法；第4节展示结果；第5节提供讨论，第6节得出结论。本研究提供了关于CSA采纳在加剧的气候极端情况和日益增长的食物安全压力下促进更可持续玉米生产系统方面的及时实证证据。

章节片段

文献综述

CSA已被全球公认为在气候变化条件下提高作物产量的关键策略，尤其是在气候脆弱地区。来自多个非洲国家的实证证据一致表明，CSA实践显著提高了玉米产量，增幅范围从约360公斤/公顷到872公斤/公顷（Martey等人，2023年；Tambo和Kirui，2021年）。除了CSA干预措施外，玉米产量还受到多种因素的影响。在生物物理因素中，土壤肥力是最重要的

研究区域、样本规模和数据收集

本研究在中国河南省进行。在主要调查之前，进行了一项涉及12位玉米农民的试点测试，以验证问卷的清晰度和可靠性。数据收集于2024年12月在当地农业推广中心的支持下进行，所有访谈均由受过培训的统计员面对面进行。样本规模使用Cochran公式确定，该公式广泛用于大规模人口的调查研究： ${\mathrm{n}}_0={\mathrm{Z}}^2·\mathrm{p}·($

描述性结果

图1报告了玉米农民中CSA采纳指数的描述性统计和分布情况。采纳指数的范围从0到0.892，平均值为0.362，标准差为0.268。核密度分布表明样本中的CSA采纳水平存在差异。

表1显示了不同采纳水平下的农民分布情况。258位农民（59.72%）被归类为低采纳水平，表明采纳强度相对较低

讨论

本研究探讨了河南省不同CSA采纳水平下玉米农民的产量决定因素和产量变化。研究结果有两个方面。首先，随着CSA采纳水平的提高，许多传统上限制玉米生产的因素变得较弱或不再那么具有约束性。其次，较高的CSA采纳水平与产量和产量稳定性的提高密切相关。

结论

本研究旨在考察较高的CSA采纳水平是否可以缓解生产限制并提高玉米产量表现。分析基于中国河南省玉米农民的横截面数据。为了解决自选择偏差并估计采纳水平的因果效应，我们采用了MESR模型。为了增强稳健性，RF提供了变量重要性和跨采纳水平预测性能的非参数验证。

研究发现了两个关键见解。首先，

CRediT作者贡献声明

Jing Zhao：撰写——原始草稿、可视化、方法论、概念化。Shaopeng Wang：方法论、概念化。Xinru Miao：方法论、概念化。Rui Huang：方法论、概念化。Jun Lin：撰写——审稿与编辑、监督。

资金

本研究没有获得公共部门、商业部门或非营利部门的任何特定资助。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。