针对撒哈拉以南非洲地区战略性农业生产规划的综合性与系统思维建模方法

《Agricultural Systems》：Holistic and systems thinking modelling for strategic agriculture production planning in sub-Saharan Africa

　　**Bonoukpoè Mawuko Sokame | Ghislain T. Tepa-Yotto | Henri E.Z. Tonnang | Sabra Lewis | Christopher Suh | Rachel Zozo | Jeannette K. Winsou | Alpha Kamara | Joel Cornelius Runyu | Elfatih Abdel-Rhaman | Laura Schmitt Olabisi | Tahirou Abdoulaye**

**国际昆虫生理学与生态学中心（ICIPE）**
邮政信箱30772-00100，内罗毕，肯尼亚

**摘要**
撒哈拉以南非洲（SSA）的农业是粮食安全、生计和经济增长的基础，但面临着气候变化、粮食不安全、社会经济不稳定和环境退化等日益增加的压力。虽然国家适应计划（NAPs）和生物经济模型越来越多地被用于指导政策制定，但大多数现有工具仍然存在碎片化问题，无法捕捉农业、经济、社会、技术和环境领域之间的复杂相互依赖关系。

**目的**
本研究开发并应用了一个全面的生物经济系统模型，用于SSA的战略农业规划，旨在识别提高韧性、可持续性和生产力的关键因素。具体探讨了耐气候作物品种（CRV）的采用和市场基础设施的发展如何影响肯尼亚和尼日利亚的农业表现。

**方法**
采用系统思维方法，构建了农业、经济、社会、技术和环境子系统的因果循环图（CLDs），并将其整合到Vensim DSS模型中。该模型首先使用FAOSTAT和世界银行的数据集（2000-2022年）进行了初步校准和验证，随后通过情景分析和反事实测试来评估CRV采用和市场基础设施改进对整个系统的影响。网络分析（接近度、度中心性、PageRank和介数中心性）确定了影响系统韧性的关键变量。

**结果与结论**
因果循环图分析揭示了促进循环型生物经济实践、技术创新和减贫的强化循环，以及强调土壤退化、迁移和治理薄弱等风险的平衡循环。实证结构评估和敏感性分析证实了CRV采用与农业GDP和市场连通性之间的强相关性，验证了模型的结构逻辑。情景测试表明，CRV采用增加25%和市场基础设施改善15%可使农业GDP提高多达12%，并削弱粮食不安全循环15-18%。网络分析指出，耐气候作物品种、农业生产、市场和战略作物是系统韧性和可持续性的核心驱动因素。该综合模型强调了反馈循环、治理和跨部门互动在塑造长期农业结果中的关键作用。

**意义**
该模型通过整合实证结构评估、情景分析和网络中心性，超越了简化主义范式，为政策制定者、捐助者和研究人员提供了一个诊断性和有根据的概念框架，以协调NAP优先事项、扩大战略作物规模并指导SSA的气候适应性农业投资。尽管目前仍处于概念阶段，但该模型为未来的定量模拟和参与式应用提供了灵活的基础，对非洲的气候适应性农业发展具有重要意义。

**1. 引言**
农业在撒哈拉以南非洲（SSA）发挥着至关重要的作用，对粮食安全、生计和经济增长做出了重大贡献。农业部门雇佣了该地区约60%的劳动力，平均贡献了23%的农业国内生产总值（Ag-GDP）（世界银行，2020a）。尽管农业部门占据核心地位，但它面临着诸多威胁其可持续性和生产力的挑战，包括气候变化的影响日益加剧、持续的粮食不安全和社会经济不稳定。这些挑战需要创新和可持续的解决方案，以确保该行业的韧性和长期可行性。
农民面临生产、市场、物流、健康、金融和制度风险。影响SSA农业的最紧迫问题之一是气候变化，它严重影响了作物产量。该地区极易受到气候变率和变化的影响，经历了温度升高、降雨模式不规律、新的病虫害以及干旱和洪水等极端天气事件。这些变化对作物产量和粮食生产产生了重大影响，加剧了粮食不安全问题（IPCC，2014）。据估计，到2050年，气候变化可能导致非洲某些地区的谷物产量下降20%，严重影响农业GDP（粮农组织，2017）。这些预测凸显了需要强有力的适应策略来减轻气候变化对农业的不利影响。
粮食不安全仍然是SSA的另一个关键问题，大约五分之一的人口遭受营养不良（粮农组织等，2020）。该地区对雨养农业的依赖加剧了其对气候变化的脆弱性，增加了作物失败的风险，导致粮食供应不稳定。此外，粮食不安全还受到不良农业实践、收获后损失、市场准入有限以及冲突和政治不稳定影响的共同作用（粮农组织，2017）。这些因素共同导致了持续的饥饿和营养不良，因此必须提高该地区农业系统的韧性。
社会经济不稳定进一步阻碍了提高SSA农业生产力的努力。高贫困水平、人口快速增长以及教育和医疗保健机会的有限，形成了一个阻碍农业基础设施和投资创新的循环。此外，大多数依赖农业的农村人口仍被排除在经济机会之外（世界银行，2020a）。这种投资不足，加上资源匮乏，限制了该地区适应外部冲击（如气候变化）的能力，削弱了农业部门对经济增长的贡献。
尽管面临这些挑战，玉米、木薯、高粱和小米等战略作物在提高SSA的粮食安全和经济韧性方面发挥着重要作用。这些主食作物是该地区数百万小农户的重要食物和收入来源。可持续地扩大这些作物的生产对于解决粮食不安全和贫困问题至关重要。然而，扩大生产的成功取决于开发能够考虑生态、经济、政治和社会因素之间复杂相互作用的稳健生物经济模型（粮农组织，2017）。此类模型对于指导决策过程和确保扩大策略的可持续性和对外部冲击（包括气候变化）的韧性至关重要。为应对这些挑战，许多SSA国家根据《联合国气候变化框架公约》（UNFCCC）制定了国家适应计划（NAPs）。这些计划概述了提高气候适应性的战略行动，特别是在农业部门。优先行动包括开发耐气候作物品种、推广可持续农业实践以及加强农业研究和推广服务（UNFCCC，2012）。然而，为了使这些适应计划有效，稳健的生物经济模型对于模拟不同小农户适应策略对Ag-GDP和更广泛经济结果的影响至关重要。

**2. 文献综述**
**2.1 适应计划和战略作物**
**2.1.1 国家适应计划及其对农业的重视**
为应对气候变化带来的挑战，许多SSA国家根据《联合国气候变化框架公约》（UNFCCC）制定了国家适应计划（NAPs）。这些计划旨在提高关键部门的韧性，特别是农业，因为农业对粮食安全、生计和经济稳定至关重要。鉴于农业对气候变化的脆弱性，加纳、肯尼亚、马里和赞比亚等国在其NAPs中优先考虑了农业。这些计划强调开发 and 推广耐旱和耐热作物品种、通过灌溉和雨水收集改善水资源管理，以及采用气候智能型农业实践，如保护性农业和农林复合系统（赞比亚政府，2023；塞内加尔政府，2006；加纳政府，2012；肯尼亚政府，2016；马里政府，2007）。此外，NAPs还强调了可持续土地管理、加强农业研究和提高农民采用适应性实践的能力的必要性。通过关注这些策略，SSA国家旨在在应对气候挑战的同时保持和提高农业生产力，确保长期粮食安全和经济增长（Challinor等，2014）。
**2.1.2 战略作物在适应计划中的定义和作用**
在本研究中，战略作物被定义为在国家农业表现和粮食系统稳定性中起关键作用的商品。如果一种作物通过提供热量或主食价值显著贡献于粮食安全；产生重要的农村收入或农业GDP；表现出强烈的气候适应性特征（如耐旱、抗虫害或疾病）；或在国家农业战略、投资计划或气候适应计划中被明确优先考虑，则被认为是战略作物。这种特定于背景的定义使框架能够捕捉到在粮食安全、经济和韧性维度上发挥结构影响的作物，同时允许政策制定者根据国家优先事项和农业生态条件进行调整。
由于玉米、木薯、高粱和小米在粮食安全和经济方面的重要性，它们通常是适应工作的核心。这些作物是数百万人的主食，也是小农户的主要收入来源。因此，确保它们在气候变化面前的生产力和韧性是许多适应计划的关键优先事项（Jarvis等，2012）。例如，玉米是SSA种植最广泛的作物之一，对温度和降水变化非常敏感，这使其特别容易受到气候变化和虫害的影响，因此开发了耐虫害和耐旱的玉米品种作为国家适应策略的一部分（Nuambote-Yobila等，2023；Tesfaye等，2015）。同样，木薯虽然更耐旱，但对温度极端敏感，也被纳入许多适应计划中，重点是通过遗传改良和更好的农艺实践来提高其韧性（Jarvis等，2012）。这些战略作物的经济重要性不容忽视。它们不仅对粮食安全有贡献，也对SSA国家的农业GDP有贡献。
**2.1.3 战略作物规模化的经济意义**
在适应计划中扩大战略作物的规模对于提高SSA农业系统的韧性至关重要。通过提高具有经济重要性和气候适应性的作物的生产力，各国可以增强粮食安全，同时提升农业GDP。这种双重效益在SSA尤为重要，因为农业是主要的经济驱动力和国家发展战略的关键组成部分（IFPRI，2017）。然而，扩大战略作物的经济效益取决于所实施适应策略的有效性。例如，引入耐气候作物品种可能会增加产量和农场收入，但前提是这些品种被农民广泛采用，并且具备必要的支持基础设施（如灌溉系统和推广服务），以及可行的商业模式和市场（Thornton和Herrero，2010）。此外，扩大努力的长期可持续性取决于能否在增加生产的同时保护自然资源（如土壤肥力和水资源）（Lipper等，2014）。
**2.2 农业系统建模工具的现状**
**2.2.1 生物经济模型：应用和局限性**
生物经济模型在农业规划和战略作物规模化中发挥着关键作用，通过结合生物学和经济原理来评估农业资源的生产、分配和管理。这些模型在评估农业实践的成本效益、优化资源分配以及预测在不同条件下引入新作物品种或技术的影响方面具有特别的价值。例如，FARMSIM模型（Bizimana和Richardson，2019年）已被用于分析替代农业系统的经济和营养影响，而多维度影响评估的权衡分析模型（TOA-MD）有助于评估不同情景下生产力、环境结果和经济回报之间的平衡（Gul等人，2019年）。同样，综合评估全球环境的IMAGE框架也被应用于模拟农业政策对土地利用和粮食安全的长期影响（Stehfest等人，2014年）。这些模型已被用于评估作物系统的可持续性、研究保护性农业的经济可行性，并探索各种作物多样化策略的潜力（Dutta等人，2023年；Alary等人，2016年）。尽管生物经济模型在农业规划中被广泛使用，但它们面临几个关键限制。许多模型仅关注特定组成部分，如产量或经济回报，而忽略了更广泛的社会环境背景。这种简化方法往往导致分析过于简单化，忽略了经济、环境和社会因素及其相互作用之间的复杂关系，而这些关系对于评估长期可持续性至关重要（Minati，2023年）。此外，许多模型依赖于静态假设，无法捕捉农业系统的动态特性，特别是它们对气候变率、政策变化和市场波动的响应（Kuhla等人，2025年；Rowan等人，2011年）。另一个主要缺点是经常排除当地知识、土著实践以及小农户（尤其是在撒哈拉以南非洲）面临的限制，从而导致提出的建议可能不切实际或在现实环境中不适用（Thornton和Herrero，2010年）。许多生物经济模型的另一个不足之处是缺乏空间组成部分。没有空间分析，模型可能会忽略与土地利用模式、区域资源可用性和局部环境影响相关的关键见解。结合空间数据对于根据特定地理环境制定策略和提高政策建议的准确性至关重要。

2.2.2. 社会经济预测分析工具及其在农业决策中的作用
社会经济预测分析工具旨在预测农业发展的未来趋势和情景，使政策制定者能够就资源分配、政策设计和技术采纳做出明智的决策。这些工具对于长期战略规划至关重要，特别是在应对气候变化、人口增长和市场动态等不确定性时（Godfray等人，2010年）。预测分析通常涉及使用基于情景的模型，探索不同潜在的未来及其对农业生产力、粮食安全和经济发展的影响（Reilly和Willenbockel，2010年）。尽管这些工具很有用，但其有效性往往受到广泛假设和泛化数据的限制，这些假设和数据可能无法准确反映撒哈拉以南非洲（SSA）农业系统的多样性和复杂性，因为大多数现有工具都是为发达国家开发和校准的。例如，这些工具可能无法充分考虑影响农业结果的生物经济因素，如土壤健康、水资源可用性和作物品种的适应性（Jones等人，2017年；Sidik等人，2025年）。此外，预测模型可能难以纳入与气候变化和其他外部冲击相关的所有不确定性，从而导致对风险的低估和对农业系统适应性的高估（Srikrishnan等人，2022年）。这一局限性突显了需要改进的预测工具，以提供更细致和特定于情境的见解，以支持SSA的农业决策（Jones等人，2017年）。此外，这些模型经常难以纳入气候变化和外部冲击带来的所有不确定性，导致对风险的低估和对系统适应性的高估（Srikrishnan等人，2022年）。这些缺点凸显了迫切需要更适应性和具有情境敏感性的预测工具，以适应SSA农业的实际情况。

2.2.3. 当前模型中各种因素的整合及观察到的不足
整合经济、环境、社会和技术因素对于开发能够支持有效农业决策的稳健模型至关重要。当前的生物经济和预测模型试图结合这些不同维度，但往往是以碎片化的方式进行的。例如，经济模型可能关注市场价格和收入，而环境模型则强调资源使用效率和生态系统服务。社会因素，如劳动力可用性和社区实践，有时会被包括在内，但通常处于次要地位（Rowan等人，2011年）。当前模型的一个关键不足之处在于它们无法捕捉各种农业因素之间的复杂相互作用和反馈循环。例如，一个模型可能会预测引入新作物品种会增加产量和收入，但却未能考虑到该新品种可能对土壤肥力或水资源的长期负面影响（Herrero等人，2013年）。技术因素，如精准农业或气候智能型实践，通常被建模为静态输入，忽略了在不同情境下的采纳障碍和效果差异（Pretty等人，2018年）。此外，许多模型在区域或国家层面运作，掩盖了重要的地方性差异、环境条件和社会经济背景。这些模型的时间范围也可能与农业发展的长期性质不一致，更侧重于短期收益而非可持续结果（Coronese等人，2023年）。这些限制表明需要更加综合和具有情境敏感性的模型。系统思维对于分析SSA的农业生物经济系统至关重要，因为它能够识别相互依赖性、反馈机制和跨部门互动，而这些是传统线性或单一部门模型经常忽略的（Sokame等人，2024b；Sokame等人，2024a）。这种概念框架为构建变量、定义因果关系以及最终开发方法论部分中呈现的集成因果循环图提供了基础。

3. 方法论
3.1. 模型边界和变量选择理由
3.1.1. 系统边界
概念模型通过明确的空间、时间和部门边界来确保方法论的一致性。在空间上，该框架关注SSA的国家农业系统层面，在这一层面，农业、经济、环境、技术和社会系统之间的跨部门互动最为显著且对政策决策最为相关。全球贸易网络、家庭层面的决策过程和微观尺度的生物物理动态被有意排除在外，因为它们超出了分析范围，会降低系统层面互动的清晰度。在时间上，该模型强调3-10年范围内的中期系统行为，与SSA常见的国家适应计划和农业投资策略的规划周期相一致。虽然短期季节性波动和长期人口变化被认为是重要的背景因素，但由于研究重点在于结构性杠杆点而非细时间变化，因此没有明确建模。在部门上，选择了五个子系统——农业、经济、环境、技术和社会——因为它们在SSA的政策框架、生物经济战略和气候适应文献中始终作为构建农业转型的核心领域出现。这些边界共同为分析系统互动提供了连贯的范围，同时不超出研究的意图。

3.1.2. 变量纳入标准
五个子系统的变量选择遵循了一个由四个明确标准指导的结构化过程，以确保相关性、实证基础和概念简洁性。首先，每个变量都必须显示出与农业生物经济转型和气候适应的强烈相关性，这一点通过其在同行评审文献、国家适应计划以及FAO和CGIAR等国际技术框架中的频繁出现得到证实。其次，只有那些具有明确因果关系的变量才会被保留，确保因果循环图中的每个链接都有来自实证研究或文献中记录的理论模型的支持。第三，变量需要是非冗余的；当发现类似概念（如“投入获取”、“资源可用性”或“农业服务”）时，它们会被合并为统一的变量，以防止重复并减少概念噪声。最后，每个变量都需要增强其子系统的内部连贯性和整个模型的整合逻辑，这意味着变量不仅单独相关，而且有助于形成更清晰的系统结构。每个变量的全面理由，包括其实证基础和子系统分配，已添加到补充表S1中。

3.1.3. 变量选择工作流程
变量选择和精炼的过程遵循了一个四步工作流程，以确保严谨性和可追溯性。第一步是从关于农业生物经济、气候适应性农业和系统建模的系统文献综述中，以及非洲国家的国家适应计划中编制一个广泛的变量长列表。第二步，这个长列表被筛选并组织成五个子系统领域的初步集群，在此过程中，重叠或概念相似的变量被合并以增强简洁性。第三步是专家咨询，来自国际昆虫生理与生态中心（icipe）、国际热带农业研究所（IITA）及其合作机构的专门从事农业系统建模、生物经济和气候适应的研究人员审查了该列表，以识别缺乏实证基础或系统相关性的变量。最后一步是将精炼后的变量整合到子系统层面的因果循环图中，评估它们的极性正确性、因果强度和与已知反馈关系的一致性。只有那些对子系统连贯性和整个模型结构逻辑有实质性贡献的变量才会被保留。

3.1.4. 整合性而非穷尽性设计
最终的模型是有意设计的整合性模型，而不是穷尽性的模型，只包括那些代表SSA农业系统行为中最具影响力、政策相关性和实证支持的驱动因素。虽然其他因素也可能对农业动态有所贡献，但包括所有可能的决定因素会降低概念清晰度并产生不必要的复杂性，从而掩盖杠杆点。因此，选定的变量捕捉了塑造气候适应性农业转型的关键跨部门互动，同时保持透明性和分析上的可管理性。这种设计理念确保了该框架在政策和规划背景下的诊断和探索性应用中的实用性。未来的工作将专注于完全参数化的动态模拟，纳入更广泛的变量集、利益相关者提供的参数和更细致的时间动态，与模型的下一个发展阶段保持一致。

3.2. 农业生物经济的系统思维框架
本研究中的整体农业生物经济框架的发展基于整体思维和系统思维，两者共同提供了分析SSA农业系统复杂性的概念和方法论基础。整体思维提供了一个广泛的视角，将农业生物经济视为一个集成的社会经济和生态系统，而系统思维提供了分析相互关系、因果结构和控制系统行为的分析工具。整体思维确定了框架的范围和边界。它确保将农业转型视为跨越作物生产、市场动态、环境条件、技术创新和社会因素的相互关联过程的结果。这种视角认识到，针对孤立组成部分的干预往往会产生意外的或不足的结果，因为农业表现的驱动因素嵌入在更广泛的系统结构中。相比之下，系统思维为操作这一整体视角提供了方法论基础。它侧重于理解系统组成部分如何相互作用、相互影响，并随时间产生动态行为模式。通过识别强化和平衡的反馈循环，系统思维使我们能够捕捉非线性关系和跨部门依赖性，而这些是传统线性或简化方法经常忽略的。在本研究中，系统思维通过以下结构化建模过程得到应用：
- 子系统映射，将与农业、经济、环境、技术和社会领域相关的变量组织成内部一致的因果结构。
- 因果规范，根据实证证据和专家知识定义关系的极性（正面/负面）和方向性。
- 反馈循环识别，将子系统内部和之间的关系映射成强化或平衡的循环，以解释农业生物经济中的动态模式。
- 整合到整个系统的因果循环图（CLD）中，将子系统层面的知识综合成农业生物经济的统一表示。
- 基于网络的结构分析，使用CLD计算中心性指标并识别最有可能影响系统绩效的杠杆点。通过这种综合方法，整体思维阐明了在全面的农业生物经济模型中必须考虑的内容，而系统思维定义了这些组成部分如何相互作用以及它们的关系如何塑造系统行为。这种整合确保了框架在保持方法论严谨性和透明度的同时，捕捉了部门复杂性。

3.2.1.**子系统映射**

子系统映射阶段将识别出的大量变量组织成连贯的主题集群，从而能够结构化地理解农业、经济、环境、技术和社会组成部分在更广泛的生物经济系统中的相互作用。

### 3.2.1.1 农业

农业仍然是许多国家的重要经济支柱，但满足不断增长的食物需求不仅仅需要增加产量；还需要更智能、更可持续的系统。生物经济原则提供了一条实现这一目标的途径，通过促进提高食品安全、增加收入和降低成本的做法，最终提升农业GDP（OECD，2009年）。工业化帮助现代化了农业，提高了从土地准备到收获和牲畜管理的效率。然而，它也导致了土壤退化、污染和温室气体排放增加，这些因素加剧了气候变化并威胁到长期生产力（Clarke等人，2013年；Taylor等人，2020年）。现在的挑战是在利用工业化的同时，采取可持续的做法来保护自然资源并确保长期食品安全。作为回应，农业研究越来越关注气候适应性创新，如工程作物品种（Kakamoukas等人，2021年）。同时，生物经济鼓励利用农业废弃物恢复土壤健康，并减少对合成肥料和农药的依赖。这些从废弃物到资源的创新也创造了新的生物基产品和市场，促进了经济增长（Adamowicz，2020年；Piecuch和Szarek，2022年）。

除了经济方面，农业还必须被视为一个动态的社会生态系统。农业生态和生物经济模型强调生物多样性、文化价值以及景观的可持续性。像农林复合系统和轮牧这样的做法不仅支持生产力，还增强了生态系统服务，如授粉、水资源调节和碳储存（FAO，2019年；HLPE，2019年）。农业景观内部和周围的生物多样性在维持基本生态系统服务方面发挥着基础性作用，如养分循环、自然害虫控制和气候适应性（Rosset和Altieri，2017年；Kremen等人，2012年）。包含农业生物多样性指标的生物经济模型，如物种丰富度、作物-牲畜多样性和栖息地镶嵌，更能评估在压力下的长期可持续性和韧性（Zimmerer和Vanek，2016年；Tittonell，2014年）。同样重要的是文化主权原则，它承认当地社区定义自己农业实践的权利，保护传统知识体系，并控制种子、土地和食物选择（Frison和IPES-Food，2016年；Van Der Ploeg，2010年）。这些文化维度应在生物经济决策框架中明确体现，以确保干预措施在社会上合法且在当地相关（Anderson等人，2021年）。此外，综合且生态合理的景观，如农林复合系统、多功能缓冲区和轮牧区，不仅支持生产力，还支持生物多样性保护和生态系统服务，包括水资源调节和碳封存（Perfecto等人，2009年；Power，2010年）。该子系统所属变量的详细说明，包括其定义，见表S1。

### 3.2.1.2 经济方面

农业不仅是食物的来源，还是经济转型的驱动力，尤其是在生物经济领域。随着全球对商品和服务需求的增加，自然资源的生产难以跟上步伐。这种不平衡促使了战略响应，例如欧盟的“2030年生物经济”计划，旨在保障食物供应、明智地管理资源并应对气候变化（Elisabetta，2010年；Meyer，2017年）。生物经济通过将可再生资源（尤其是生物质）转化为能源、燃料、食品、化妆品和药品等有价值的产品，提供了有希望的经济机会。曾经的农业废弃物现在成为了新产业和收入来源（Jezierska-Th?le等人，2021年）。各国政府越来越多地采用生物经济原则来指导可持续的资源利用，并制定支持农业和生物基市场的政策。然而，这种增长必须谨慎管理。生态经济学家警告说，无节制的扩张可能会给生态系统带来压力，导致过度开发、生物多样性丧失以及清洁水和肥沃土壤等服务的退化（Costanza等人，1997年；Daly，2005年）。为了避免这些陷阱，生物经济发展必须尊重生态限制，并采用稳态经济等模型，这些模型优先考虑长期韧性而非短期收益（Raworth，2017年）。最终，平衡经济目标与环境可持续性需要强有力的治理框架，以确保资源效率、保护生态系统并支持社区（Sokame等人，2024b；Sokame等人，2024a）。如果做得正确，生物经济可以成为包容性和可持续增长的强大引擎。表S1提供了该子系统的变量及其相应定义的汇总概述。

### 3.2.1.3 环境方面

农业长期以来一直是生物经济的核心，但增加产量的压力对环境造成了影响，导致生物多样性丧失、土壤退化甚至沙漠化（Jezierska-Th?le等人，2021年）。作为回应，当今的生物经济侧重于利用可再生生物资源，如植物生物质、森林残余物和农业废弃物来生产能源、材料和生物基产品，如沼气和生物燃料。虽然生物燃料通常被视为化石燃料的环保替代品，但其环境影响并不总是积极的。其好处取决于生产方式、使用的原料、土地管理方式以及运营规模。在某些情况下，大规模的生物燃料生产可能导致森林砍伐、水资源短缺和排放增加（Searchinger等人，2008年；Fargione等人，2008年）。因此，可持续性必须放在首位，重点关注循环系统和负责任的资源利用（Searchinger等人，2008年；Fargione等人，2008年）。一些生物经济模型进一步将土壤碳视为可再生资产。堆肥、农林复合系统和保护性农业等做法不仅提高了土壤肥力，还有助于捕获碳，支持气候缓解和土地恢复（Berazneva等人，2019年）。当经过深思熟虑的设计和实施时，生物经济策略可以减少温室气体排放、提高食品安全，并更好地利用自然资源（Krungkaew等人，2023年）。但成功取决于明智的政策和谨慎的规划，以避免意外的环境后果，并在生态限制内进行操作。该子系统的基础变量及其正式描述见表S1。

### 3.2.1.4 技术方面

技术是生物经济的核心，通过生物技术和生物质的使用推动创新，生产商品、能源和服务（McCormick和Kautto，2013年）。随着世界寻求化石燃料的清洁替代品，基于生物的能源来源，如沼气、生物燃料、生物柴油、生物炭和生物乙醇越来越受到重视。这些创新不仅有助于减少温室气体排放，还支持向更可持续能源系统的全球转变（Ronzon等人，2022年）。与自然资源的循环利用相一致，农业废弃物通过热解、气化、发酵和厌氧消化等过程进行转化。其中，厌氧消化作为一种环保方法，既支持废物管理又支持能源生产（Krungkaew等人，2023年）。生物技术在气候适应中也起着关键作用。关于气候适应性作物品种的研究正在进行中，旨在帮助农民应对变化的天气模式。生物精炼技术的进步提高了肥料生产，并促进了有助于经济增长的生物基产品的创造。然而，这些技术的成功在很大程度上取决于支持性政策。战略规划和监管将决定生物技术创新的广泛性和有效性，以及它们对环境可持续性和经济发展的贡献程度。所有整合到该子系统中的变量及其定义标准见表S1。

### 3.2.1.5 社会方面

为了使生物经济真正扎根，人们需要理解它并相信它。公众教育和意识提升活动对于帮助社区理解生物经济战略的原则、好处和机会至关重要（De Besi和McCormick，2015年）。当人们得到充分信息时，他们更有可能接受创新、支持新兴的生物基市场并采用新技术（Muradin和Kulczycka，2020年；Papadopoulou等人，2021年）。公众参与在反驳错误信息以及帮助社区区分关于生物经济实践的科学知识和误解方面也起着关键作用（Cidón等人，2021年）。政府在塑造生物经济采纳的社会环境方面发挥着重要作用。通过公共政策、法律框架和外展计划，它们可以影响生物技术和生物基产品的可用性、可负担性和采纳情况（OECD，2009年）。然而，社会接受度不仅仅取决于意识。文化传统、食物偏好和饮食习惯深刻影响生物经济转型的进程。例如，对动物源食品的高需求会影响土地使用、饲料生产和排放。转向更可持续的饮食，如植物蛋白、可食用昆虫或实验室培育的替代品，是一个复杂但必要的步骤，以使消费与生物经济目标保持一致（Frison和IPES-Food，2016年）。最近的实证研究表明，社会子系统动态，特别是迁移和教育，与农业经济驱动因素密切相关。农业收入的增加可以减少因贫困而产生的迁移，同时促进机会驱动或季节性迁移，这可能会产生汇款，这些汇款可以重新投资于农业资产、投入和教育（OECD，2023年）。这样的汇款可以增强家庭韧性，并支持气候智能技术的采纳。此外，以教育为导向的干预措施，包括专注于生物经济的培训计划，可以增强人力资本，影响技术采纳、创业活动和青年参与农业（Boye等人，2024年）。整合这些实证见解有助于阐明社会变量不仅作为结果，还作为连接迁移、收入、创新和长期系统韧性的驱动因素。

在撒哈拉以南非洲（SSA），农业是生物经济的核心，成功的实施可以推动农村发展。新的生物基产业创造了就业机会和收入，特别是在失业率高的地区。动员农村劳动力参与生物质生产和加工可以改善生计并减少贫困。但要使这些努力长期成功，必须尊重当地文化、性别角色和社区决策。社会公平和合法性对于建立惠及所有人的生物经济至关重要。表S1提供了与该子系统相关的变量及其定义的全面列表。

### 3.2.2 因果关系指定、反馈循环识别和系统整合

系统思维视角认识到农业系统是复杂且相互关联的，涉及经济、环境、技术和社会因素之间的动态关系。基于前面的章节和农业系统的生物经济，根据变量代表系统动态的能力选择了相关变量。每个变量在纳入模型之前都经过了可信度和相关性的仔细评估。然后开发了一个相互关系图，以展示这些变量如何相互作用。在这个图中，变量被分类为驱动因素（原因）或结果（效应），它们之间的关系性质由极性定义。正极性表示驱动因素变量的增加会导致结果变量的增加，而负极性则表示相反。当关系涉及延迟效应时，添加了一个延迟标记来反映因果之间的时间滞后。

使用这一框架，为每个组成部分创建了一个基础的“种子”结构。根据输入-输出关系的强度，进一步整合了其他变量，从而为每个组成部分生成了一个因果循环图（CLD）。这些图表有助于可视化系统内的反馈循环和因果关系链。根据循环的整体极性，反馈循环被分类为增强型（正面）或平衡型（负面）。一旦所有反馈循环都被标记，各个CLD被合并成一个综合模型。重复的变量被合并，链接进行了调整，以确保整个系统的一致性。最终模型使用VENSIM DSS 8.2平台（Ventana Systems Inc.，DSS 8.2）构建，提供了农业系统内复杂关系和反馈机制的可视化表示。该模型展示了每个组成部分如何共同构建一个有韧性和可持续的生物经济。

### 3.2.3 网络分析

在开发了CLD之后，进行了网络分析，以更深入地了解农业生物经济系统的结构和动态。目标是确定哪些变量对系统最为关键，它们如何相互作用，以及战略干预可以在哪里产生最大影响。最终得到的CLD被转换为一个有向邻接矩阵。该矩阵包括38个代表节点的变量，这些节点是系统的关键决定因素。这些节点通过144条边相互连接，形成了邻接矩阵Aij的基础（Liebovitch等人，2020年）。将其转换为矩阵格式后，可以对网络的属性进行定量分析。计算了网络密度、平均路径长度和模块度等关键属性，提供了技术采纳网络结构方面的见解。为了评估网络中各个决定因素的影响，计算了多种中心性指标。这包括度中心性（K），它表示一个决定因素拥有的连接数，包括传入和传出的链接（Scott, 2012）。每个决定因素的入度（Kin）和出度（Kout）是使用邻接矩阵Aij计算得出的（Savi等人，2021）。它们的计算公式如下：(1) Kiin = ∑j=1N Aij (2) Kjout = ∑i=1N Aij (3) K = Kiin + Kjout。此外，还计算了接近中心性（C）、介数中心性（B）和PageRank中心性（X），以更好地理解BSF-VIPP集成网络中决定因素的结构重要性（Hevey, 2018; Savi等人，2021）。接近中心性（C）衡量一个决定因素与网络中其他元素互动的效率。它反映了从一个决定因素到所有其他元素的平均距离，识别出能够快速传播或响应系统内信息流的节点（Scott, 2012）。接近中心性值高的决定因素占据全局中心位置，使它们能够更快地影响和被其他元素影响。(4) Ci = n ∑j gij，其中n是节点总数，g????是决定因素i和j之间的最短路径。介数中心性（B）识别出在网络中充当桥梁的角色，介导原本不相连的节点之间的互动。高介数中心性表明一个决定因素对信息流的控制能力及其连接不同子网络的潜力（Scott, 2012）。(5) Bi = ∑stnstigst，其中g????是从s到t的最短路径总数，n?????表示通过节点i的路径。PageRank中心性（X）根据一个决定因素与其他有影响力节点的连接情况来评估其整体影响力。与度中心性不同，它同时考虑了连接的数量和质量，识别出对网络稳定性和信息传播至关重要的决定因素。迭代算法在节点间的相对影响力收敛后分配重要值。分析使用R统计软件（版本4.1.2）和R Studio（Thulin, 2024）进行，并利用igraph等包来计算指标和可视化网络。CLD的矩阵表示形式实现了高效处理，并生成了详细的视觉输出。所有用于分析的R脚本都通过GitHub仓库公开提供：https://github.com/JoeRunyu2100/Holistic-Bioeconomy.git。

3.3. 框架的实证结构合理性评估
由于本研究开发的是一个概念性的因果循环框架，而不是一个完全指定的存量-流量模拟，因此目前还无法通过长期历史数据来进行全面回顾性验证。这种验证需要明确的方程、参数和动态模拟，这些是计划在未来研究阶段进行的。在这个阶段，实证基础工作集中在确认CLD中表示的因果关系的方向合理性上。为此，使用了FAOSTAT和世界银行2000-2022年的国家数据集来检查观察到的趋势是否与框架的因果逻辑一致。还从FAOSTAT（2000-2022）、世界银行统计数据以及肯尼亚和尼日利亚的国家报告中获取了其他协调指标，包括气候适应性作物品种（CRV）的采用、市场连通性、农业GDP和家庭农业收入。所有变量都被标准化到0-1的范围内，以确保可比性。实证基础工作分为三个步骤进行：(1) 相关性分析测试观察到的关联是否与CLD中编码的因果方向一致；(2) 简单敏感性检查评估关键驱动因素的比例变化是否与预期的农业绩效和粮食不安全指标的变化相对应；(3) 结构合理性测试验证与农业评估和国家适应计划报告的趋势是否一致。没有应用传统的时间序列拟合指标，如RMSE或MAPE，因为这些需要模拟的时间输出。这些将在定量模拟模型开发完成后纳入。目前，分析确认了概念框架的结构逻辑与肯尼亚和尼日利亚的历史农业动态在实证上是连贯的。尽管在这个阶段没有进行利益相关者咨询，但通过预测变量互动与来自多种来源的观察到的国家趋势之间的实证比较，验证了模型的合理性，加强了概念模型的实证基础，确保了模型结构与现实世界农业动态的一致性。结构评估使用了FAOSTAT（https://www.fao.org/faolex/opendata/en/）的次要数据集（2000-2022）、世界银行农业GDP指标（Indicators | Data）以及肯尼亚和尼日利亚的国家农业统计数据。评估重点是通过相关矩阵和敏感性分析，检查因果循环图（CLDs）中识别的农业生产、市场连通性和气候适应性作物品种之间的关键关系。

3.4. 场景设计与分析方法
本研究采用的场景分析采用了半定量结构方法，旨在评估有针对性的干预措施如何改变农业生物经济网络中的影响模式。由于当前框架是一个概念性诊断工具，而不是一个完全参数化的存量-流量模拟，因此分析关注的是网络中心性指标的相对、比例变化，而不是数值上的时间依赖轨迹。这种方法与探索性系统建模和早期阶段的预见性分析一致。首先使用标准化的加权邻接矩阵计算了关键变量（农业生产、市场、气候适应性品种、粮食不安全）的基线中心性值。然后通过按比例调整与这些杠杆点直接相关的因果边的权重，应用了两种场景干预措施：增加25%的气候适应性品种（CRV）的采用率和改善15%的市场基础设施。重新计算得到的邻接矩阵后，生成了新的中心性指标。中心性的比例变化使用以下公式计算：(6) ΔCi = Ci,scen ? Ci,base × 100，其中Ci,base和Ci,scen分别代表变量i的基线和场景中心性值。这些相对变化表明了干预措施在系统中加强或削弱了该变量结构影响的程度。为了将这些结构变化转化为对农业GDP和粮食不安全性的方向性影响，我们将中心性变化的敏感性与结构合理性评估中得出的经验相关强度结合起来。这些值不是预测，而是反映干预措施如何通过系统的结构指标。这种结构场景方法提供了有关干预措施如何改变系统韧性和绩效的有意义见解，同时保持了与框架概念目的的方法一致性。经过验证的模型随后被用来进行场景和反事实测试，以评估有针对性的干预措施如何在两种背景下重塑系统行为和经济结果。模拟了两个关键干预场景，以评估它们对反馈循环、杠杆点和韧性指标的影响（表1）：(i) 增加气候适应性作物品种（CRV）的采用率；(ii) 改善市场基础设施。每个场景代表针对因果循环图（CLDs）中确定的主要杠杆点的政策干预。

表1. 探索性场景和分析方法
| 场景 | 调整变量 | 数据来源 | 分析方法 |
| --- | --- | --- | --- |
| 气候适应性作物品种 | 采用率（+25%） | FAOSTAT, IITA & icipe报告 |
| 市场基础设施 | 市场准入（+15%） | 世界银行, FMARD/MoALD |

这些场景的参数值是基于FAOSTAT（2000-2022）、世界银行农业指标以及肯尼亚和尼日利亚的国家农业报告观察到的趋势进行半定量调整的。关键变量（市场连通性、农业生产、粮食不安全）的相对变化是通过基线中心性与调整后中心性指数之间的比例差异计算的。场景输出被定性解释，以突出方向性变化和反馈增强（例如，加强或削弱循环），而不是产生精确的数值预测。

3.5. 国家案例研究选择和数据参数化
选择肯尼亚和尼日利亚作为对比案例研究，是因为它们具有不同的农业生态区、市场结构和气候适应策略，但作为区域农业枢纽的角色相似。案例研究使用的数据包括FAOSTAT（2000-2022）的农业GDP、产量和市场指标，国家统计机构（KNBS和NBS）的政策文件（NCSAS和ATA）。网络分析的变量参数化是通过将观察到的指标标准化到0-1的范围内来实现的，以便进行跨国比较。中心性指标（接近中心性、PageRank、介数和度）是使用代表框架中得出的因果关系强度的加权邻接矩阵计算的。跨两国的比较分析不仅用于检查框架在不同背景下的适用性，还用于评估制度能力和市场整合的差异如何影响系统杠杆点的相对重要性。

4. 结果
4.1. 系统反馈循环分析
4.1.1. 农业子系统
农业子系统的因果循环图（图1，表S2）揭示了一个丰富且相互连接的反馈机制网络，这些机制影响农业生产力、环境可持续性和气候韧性。这些反馈循环既有加强作用也有平衡作用。它们有助于理解系统内不同元素之间的相互作用。加强循环，如R1（土壤肥力循环）和R3（生物经济循环），说明了如何通过循环经济策略提高长期生产力和可持续性。同样，循环R4和R6表明气候变化虽然是一种压力，但也可以推动创新。采用气候智能实践和适应性作物品种增强了系统的适应能力，强调了投资适应技术和推广服务的重要性。另一方面，平衡循环暴露了系统的脆弱性。例如，B3（气候负担循环）和B4（土壤退化循环）显示工业化在增加产量的同时也会加速温室气体排放并降低土壤质量。如果没有适当的管理，这些影响可能会削弱长期收益，强调了需要低碳技术和综合土壤肥力策略。B5（成本驱动的下降循环）增加了复杂性，表明上升的投入成本可能会超过收益，使得农业在经济上不可持续，除非提高投入效率和获得可负担的创新。

下载：下载高分辨率图像（221KB）
下载：下载全尺寸图像
图1. 农业子系统的因果循环图，展示了农业生产、土壤肥力、投入使用、劳动力可用性和与气候相关的压力之间的关键加强和平衡反馈。

4.1.2. 经济子系统
经济子系统的CLD（图2，表S2）揭示了一个复杂的反馈机制网络，这些机制塑造了农业发展、减贫和更广泛的经济进步。这些循环既有加强作用也有平衡作用，帮助我们理解不同力量如何相互作用，从而推动增长或暴露系统内的脆弱性。加强循环如R7、R9和R10表明人口增长如何刺激粮食安全努力、扩大市场并创造就业机会。这些改进反过来又吸引了更多人，形成了积极的经济动力循环。循环R8强调获取农业资源如何增加供需，提高农场收入并减少贫困。这种动态通常促使政府干预，以确保资源保持可用并公平分配。战略政策也起着核心作用，如循环R13和R17所示，它们展示了良好的治理设计如何塑造市场功能、影响供应链并决定地区间的收入分配。技术采用是包容性发展的另一个关键驱动因素。在循环R11、R15和R18中，密集的人口促进了新技术的采用，进而打开了市场并创造了就业和收入。这些循环表明，有针对性的创新投资可以触发减贫和农业GDP增长的连锁效益。然而，系统中也包含平衡循环，突出了潜在风险。循环B6显示需求和供应的不稳定性如何降低农业收入并增加贫困，呼吁政府及时响应。循环B8和B9警告说，虽然旨在规范市场和收入的政策可能会无意中阻碍增长和人口保留。

下载：下载高分辨率图像（278KB）
下载：下载全尺寸图像
图2. 经济子系统的因果循环图，展示了连接人口动态、市场扩张、技术采用、收入生成、减贫和政策干预的反馈结构，这些因素共同影响了农业经济表现。

4.1.3. 技术子系统
技术子系统的CLD（图3，表S2）展示了加强（R）和平衡（B）反馈循环的动态互动，这些循环共同塑造了农业生物技术、生物基产品和市场驱动创新的演变。加强循环如R19、R20和R21表明，增加的农业研究如何促进生物技术的进步，进而推动气候适应性作物品种的发展，并进一步推动研究投资。这创造了一个应对气候挑战的创新良性循环。像R22和R23这样的循环强调了农业创新在生成生物基产品和生物能源方面的作用，从而催化了进一步的创新和新的经济机会。值得注意的是，R24显示了生物基产品如何促进技术采用和生物市场的扩张，加强了向生物经济的转变。然而，平衡循环B10、B11、B12和B13表明了结构限制，特别是政策和监管挑战。例如，B11表明，虽然气候适应性作物鼓励更多的生物技术研发，但限制性法规可能会延迟创新。同样，B12和B13指出，尽管生物能源和生物制品市场具有巨大潜力，但不明确或缺失的政策可能会阻碍其采用和市场扩张。总体而言，该图表表明，虽然农业技术创新具有很强的自我强化潜力，但其可扩展性和社会效益在很大程度上取决于支持性的政策框架、制度能力和市场准备情况。解决这些瓶颈对于充分利用技术驱动的生物经济至关重要。

下载：下载高分辨率图像（221KB）
下载：下载全尺寸图像

图3. 技术子系统的因果循环图，强调了推动农业研究、生物技术创新、气候适应性作物开发和生物基产品扩张的强化循环，以及与监管和政策限制相关的平衡循环。

4.1.4. 社会子系统
社会子系统的因果循环图（图4，表S2）展示了影响农村发展、贫困动态、劳动力可用性和生物经济原则采纳的相互关联的反馈机制。关键的强化循环（R25、R27、R28、R29、R30、R31）强调了生物经济教育和农业生产如何相互作用以增强市场、增加收入并减少城乡迁移。例如，R28表明生物经济教育刺激市场增长，从而促进人口参与劳动力和增加农业生产，这又鼓励进一步的生物经济策略采纳。同样，R29展示了市场活动带来的收入如何支持技术采纳，进而强化市场扩张。相反，几个平衡循环（B14–B19）揭示了系统性的脆弱性，特别是贫困和迁移的作用。例如，B15表明贫困加剧了迁移，减少了就业机会并进一步恶化了贫困。B18强调高贫困水平如何推动迁移，消耗农业劳动力，阻碍知识传播，并限制生物经济教育的影响，从而限制了发展。R26循环强调，由于迁移导致的农村劳动力减少降低了农业生产率，减少了就业并促进了进一步的迁移。总之，这些循环表明，针对减贫、市场强化和生物经济教育的干预措施在管理迁移方面是必要的，以建立有韧性的、社会包容的农业系统。

下载：下载高分辨率图像（231KB）
下载：下载全尺寸图像

图4. 社会子系统的因果循环图，描绘了生物经济教育、农村劳动力可用性、贫困动态、迁移模式和知识传播之间的相互作用，这些因素塑造了社会韧性和农业参与度。

4.1.5. 环境子系统
环境子系统的因果循环图（图5，表S2）反映了资源使用、污染、气候变化和可持续农业实践之间的复杂关系。存在几个强化循环（R32–R35）和平衡循环（B20–B22）。R32循环强调了一个关键反馈，即污染加剧了气候变化，破坏了土壤健康，需要采用气候适应性作物和智能农业实践，从而减少污染。这一循环强调了农业在缓解环境退化方面的潜力。R33循环进一步支持这一点，表明改善土壤健康有助于发展适应性作物品种和可持续实践，形成了土壤保护的良性循环。R34和R35循环促进了可再生资源和生物能源的循环使用，作为化石燃料的替代品，R35循环强调了对生物能源的更大依赖减少了化石燃料的依赖。相反，平衡循环揭示了关键紧张关系。例如，B20表明污染损害了土壤健康，而引入可持续农业实践可以逆转这种损害。B21和B22强调，通过向可再生替代品的过渡可以缓解自然资源的枯竭和对化石燃料的过度依赖。总的来说，这些循环强调了可持续资源管理和农业创新在减少环境影响的同时支持长期生产力方面的核心作用。

下载：下载高分辨率图像（142KB）
下载：下载全尺寸图像

图5. 环境子系统的因果循环图，详细说明了污染、土壤健康、气候变化、可持续农业实践、自然资源使用以及从化石燃料向可再生生物能源过渡之间的反馈关系。

4.1.6. 综合概念系统模型
整个生物经济农业系统的因果循环图（图6，表S2）展示了环境、社会、技术和经济子系统之间的复杂相互作用，这些相互作用推动了农业生产力和可持续性。在这个系统中，强化循环促进了增长循环，例如农业生产产生的残余物改善了土壤健康，进而进一步支持生产（R1）。技术创新在农业研究的支持下增强了生物技术和气候适应性作物的发展，促进了可持续生产（R19和R21）。此外，生物能源和生物基产品的采用创造了支持生物经济增长的正面反馈循环（R23和R24）。社会子系统通过增加人口促进对食品安全的需求，从而支持进一步的人口增长（R7），进而影响经济增长（R9和R14）。就业和市场因农业生产增加而得到加强，导致贫困减少和经济稳定（R9和R14）。平衡循环代表了系统内的限制，例如B3，其中农业工业化产生的温室气体排放加剧了气候变化，这对农业生产力产生了负面影响。此外，政策和治理在稳定市场和通过管理需求波动、贫困水平和资源分配来支持可持续农业实践方面发挥着关键作用（B6、B7和B8）。环境反馈循环表明污染如何驱动气候变化，影响土壤健康并需要采取气候智能型实践（R32和B20）。这些实践反过来通过使用可再生资源和生物能源改善了土壤健康并减少了了对化石燃料的依赖。这个综合的生物经济模型强调了在这些子系统之间实现平衡互动的重要性，以在变化的环境和经济条件下建立有韧性的农业系统。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图6. 综合整个系统的因果循环图，综合了环境、社会、技术和经济子系统，展示了多方向反馈如何共同调节农业生产力、生物经济发展和系统韧性。

4.2. 农业生物经济系统网络分析
以下分析评估了在因果循环图中定义和组织的这些变量在网络中的战略位置。这一转变标志着从概念模型开发到基于证据的解释的转变，展示了系统架构如何与前面章节中概述的理论预期保持一致并加以强化。使用四个中心性指标——接近度、PageRank、总度和介数，我们能够识别出最具影响力、连接最紧密且在推动变革方面处于战略位置的变量（图7，表2）。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图7. 农业生物经济系统的网络分析，显示了（A）接近度中心性、（B）PageRank、（C）总度和（D）介数中心性，识别出系统中最具影响力、连接最紧密且在结构上最关键的变量。

表2. 农业生物经济中关键变量的网络分析指标。

变量 | 接近度中心性 | PageRank | 总度 | 介数中心性 | 在系统中的角色
--- | --- | --- | --- | --- |
| 农业生产 | 高 | 高 | 最高 | 高 | 核心驱动因素；高度连接且具有影响力 |
| 市场 | 高 | 高 | 最高 | 高 | 关键连接器；影响多个子系统 |
| 气候适应性作物品种 | 高 | 高 | 中等 | 高 | 支持创新，促进气候适应 |
| 战略性作物 | 中等 | 中等 | 高 | 高 | 与政策相关；连接农业和经济 |
| 农业GDP | 中等 | 中等 | 中等 | 低 | 经济指标；受核心驱动因素影响 |
| 生物能源 | 中等 | 低 | 中等 | 低 | 环境纽带；减少对化石燃料的依赖 |
| 政策 | 中等 | 低 | 中等 | 低 | 治理杠杆；影响多个结果 |
| 生物质 | 中等 | 低 | 中等 | 低 | 资源基础；支持循环经济策略 |
| 需求与供应 | 中等 | 中等 | 中等 | 低 | 市场动态；对生产和迁移有响应 |
| 农村-城市迁移 | 中等 | 高 | 中等 | 中等 | 社会连接器；影响劳动力和创新采纳 |
| 农业创新 | 中等 | 中等 | 中等 | 高 | 技术桥梁；连接多个子系统 |
| 技术采纳 | 中等 | 高 | 中等 | 中等 | 创新推动者；促进就业和市场准入 |
| 就业 | 中等 | 高 | 中等 | 低 | 社会经济结果；受技术和市场影响 |
| 人口 | 中等 | 中等 | 中等 | 低 | 人口驱动因素；影响需求和资源使用 |
| 智能农业实践 | 低 | 低 | 高 | （出度）低 | 推动者和可持续性增强者 |
| 治理 | 低 | 低 | 高 | （出度）低 | 政策驱动因素；塑造系统范围内的干预 |
| 生物经济教育 | 低 | 低 | 高 | （出度）低 | 提高意识和合法性 |
| 资源分配 | 低 | 低 | 中等 | 高 | 战略中介；连接政策和实施 |

接近度中心性显示，如气候适应性作物品种、战略性作物、农业生产和市场等变量在网络中处于高效位置。这些变量可以迅速影响或到达其他变量，使它们成为系统范围变革的关键驱动因素。其中，农业生产以0.0125的接近度值排名最高，紧随其后的是市场、气候适应性作物品种、农业GDP、生物能源、政策和生物质（图7A，表2）。其他值得注意的变量，如需求与供应、农村-城市迁移和农业创新也显示出较高的接近度分数，强化了它们在系统中的核心作用。

PageRank分析根据变量与其他重要节点的连接情况突出了节点的影响力。气候适应性作物品种、农业生产（0.0941）和市场（0.0924）被证明具有高度影响力。农村-城市迁移、技术采纳和就业等变量也排名较高，表明它们在连接系统不同部分和促进更广泛影响方面的重要性（图7B，表2）。

总度中心性测量了每个变量的直接连接数量。农业生产和市场再次脱颖而出，确认了它们作为网络中心枢纽的角色。气候适应性作物品种和战略性作物也显示出高程度，反映了它们在整个系统中的广泛影响。技术采纳、人口和农业GDP被识别为受高度影响的节点，而智能农业实践、治理和生物经济教育则作为具有强外向连接的关键影响者（图7C，表2）。

最后，介数中心性揭示了哪些变量在网络的不同部分之间起到桥梁作用。农业生产和市场具有超过400的最高介数值，强调了它们在连接子系统和促进信息流动方面的作用。战略性作物、资源分配和农业创新也显示出高介数，表明它们作为中介的重要性（图7D，表2）。综合来看，这些指标一致指出气候适应性作物品种、农业生产、市场和战略性作物是农业生物经济系统的核心和有影响力的组成部分。此外，与创新、市场动态和资源分配相关的变量作为政策和决策的战略杠杆。这些见解可以指导有针对性的干预措施，以增强系统韧性、提高生产力并支持包容性和可持续发展。

4.3. 模型评估和情景反事实联系
对模型的实证评估表明，关键结构关系与观察到的数据趋势一致。在肯尼亚，相关性分析显示气候适应性玉米和高粱品种的采用与农业GDP之间存在强烈的正相关（r = 0.74，p < 0.05），市场连通性与家庭收入之间也存在正相关（r = 0.69，p < 0.05）。在尼日利亚也观察到了类似但略低的相关性（分别为r = 0.71和r = 0.63）。敏感性分析进一步表明，CRV采用或市场准入的比例增加产生了与历史记录模式一致的方向性变化，影响了农业GDP和粮食安全。这些结果验证了概念框架中反馈循环的方向强度。探索性情景评估了气候适应性作物品种（CRV）采用和市场基础设施改进在肯尼亚和尼日利亚的潜在系统级效应。结果显示，这些干预措施如何修改反馈循环、系统杠杆点和经济韧性指标（表3）。

表3. 肯尼亚和尼日利亚的情景比较和预期影响。

情景 | 关键干预 | 中心性变化（%） | 预期结果 | 政策含义 |
--- | --- | --- | --- |
| 增加CRV采用 | 肯尼亚 | +25% | 气候适应性品种 | +14% | 市场中心性 | 提高生产力，减少粮食不安全 |
| 加强适应性育种计划 | 肯尼亚 | +15% | 市场基础设施投资 | +12% | 改善市场，减少迁移 |
| 加强运输和储存设施 | 肯尼亚 | +15% | 投资数字农业咨询和农村物流 | +11% | 市场GDP |
| 市场基础设施投资 | 尼日利亚 | +15% | 加强市场物流和基础设施 | +11% | 市场GDP |

情景1：增加气候适应性作物品种（CRV）的采用。大约25%的CRV采用增加与市场连通性的改善和粮食不安全反馈循环的影响减弱相关（基于系统结构内的相对中心性变化，表3）。这些变化表明反馈的适度加强和减弱，表明CRV采用加强了农业生产力和农民收入之间的正向联系。

情景2：市场基础设施改进。通过更好的储存、 feeder道路和数字平台，农村市场准入提高了15%，这与农业GDP路径的积极变化和稳定家庭收入的平衡反馈加强有关（表3，B15）。这些变化反映了系统连通性和反馈强度的相对增加，而不是绝对的经济收益。

4.4. 案例研究应用——肯尼亚和尼日利亚
针对具体国家的整体生物经济模型应用提供了关于农业生产、市场和韧性之间系统关系在不同背景下如何互动的实证见解（表4）。肯尼亚和尼日利亚农业系统的中心性分析确定农业生产是所有指标中最中心的变量（表4）。它在肯尼亚的接近度（0.013）、PageRank（0.094）和总度（440；尼日利亚为430）方面记录了最高值，表明了其在两个系统中的主导地位。市场变量排名第二，接近度（0.012）和PageRank（0.093）值略低，总度（肯尼亚为415；尼日利亚为410）较高，确认了其在农业网络中的强连接性。气候适应性作物和战略性作物显示出中等中心性，接近度值分别为0.011和0.010，PageRank值介于0.094到0.085之间。它们的总度值分别为肯尼亚的325和尼日利亚的320和310。农业GDP在分析的变量中显示出最低的中心性指标（接近度=0.009；PageRank=0.082在肯尼亚；0.081在尼日利亚；总度=260和250）。

表4.肯尼亚和尼日利亚农业系统中关键变量的中心性指标

| 变量 | 接近度中心性 | PageRank | 总度中心性 | 介数中心性 | 在系统中的角色 |
|---------------------------|---------------|--------------|------------|-------------------------|
| 农业生产 | 0.013 | 0.094 | 440 (KE) | 430 (NG) | 核心生产力驱动因素 |
| 市场 | 0.012 | 0.093 | 415 (KE) | 410 (NG) | 系统连接器；杠杆节点 |
| 气候适应性作物 | 0.011 | 0.094 (KE) | 325 (KE) | 320 (NG) | 创新与适应驱动因素 |
| 战略性作物 | 0.010 | 0.087 | 310 (KE) | 310 (NG) | 经济与政策杠杆 |
| 农业GDP | 0.009 | 0.082 | 260 (KE) | 250 (NG) | 经济成果指标 |

比较分析显示，尽管肯尼亚和尼日利亚的系统结构大致相似，但在关键杠杆点的相对中心性方面存在差异。在肯尼亚，与市场相关的变量表现出较高的中心性值，表明市场连接性和基础设施在系统中的结构影响更强。这些变量在反馈循环中的连通性更强，表明市场相关效应在整个农业系统中的传播更为显著。相比之下，尼日利亚系统的特点是与生产相关的变量中心性较高，特别是那些与气候适应性作物品种和农业生产力相关的变量。这些变量在网络结构中占据更有影响力的位置，表明生产方面的动态在塑造整体系统行为中起着更重要的作用。比较模式进一步表明，在肯尼亚，以市场为导向的杠杆点具有相对更强的系统影响力，而在尼日利亚，以生产为导向的杠杆点更为主导。这些变量中心性和网络位置的差异突显了两国系统敏感性的差异，反映了关键组成部分对整体系统动态的不同贡献。

尽管两国的绝对中心性值相当，但市场变量与生产变量在排名和影响力上的相对差异表明了不同的系统敏感性，这使得我们可以进行超越说明性应用的比较解读。

5. 讨论
接下来的分析探讨了关键变量在农业生物经济系统中的位置以及它们如何相互作用来塑造系统整体行为。基于子系统映射、反馈循环的识别以及方法论中提出的网络中心性指标，该分析评估了每个变量的结构影响，因为指标值揭示了可以放大或限制系统动态的杠杆点。这种方法在概念性因果循环结构和实证模式解释之间建立了明确的分析桥梁。因此，讨论结果及其含义时，确保每个发现都立即置于更广泛的论点中，并与之前介绍的系统思维原则相联系。

系统反馈循环分析揭示了农业、经济、环境、社会和技术子系统如何塑造农业食品系统的动态。强化（R）和平衡（B）循环展示了驱动增长的过程和稳定机制。在农业子系统中，如R1和R2这样的强化循环表明，通过保护性耕作和综合害虫管理（IPM）改善土壤健康可以提高生产力和生态系统服务（Lal, 2004; Pretty et al., 2018）。相反，如B1和B2这样的平衡循环提醒我们在缺乏可持续土壤管理的情况下要警惕资源枯竭，强调了长期保护策略的必要性（Tilman et al., 2002）。在经济子系统中，R7、R9和R10循环表明人口增长和市场需求可以促进就业和粮食安全，从而推动经济发展（Miladinov, 2023）。然而，B6和B7平衡循环表明这种增长容易受到价格冲击和治理不善的影响，突出了稳定政策和弹性市场结构的重要性（Jayne and Rashid, 2013; Ogundipe et al., 2017）。在当前框架中，治理和政策变量通过多种具体机制来塑造农业生物经济系统的行为。首先，市场治理，包括价格稳定计划、合同执行和输入/输出市场的监管，通过降低交易成本、提高市场可靠性以及促进私人投资于物流和集散系统来直接影响市场连通性（Jayne and Rashid, 2013; Ogundipe et al., 2017）。其次，种子系统政策，如品种发布程序、认证框架和知识产权法规，强烈影响技术和气候适应性品种（CRV）的采用，影响创新在农业系统中的传播速度（Tripp and Ragasa, 2015; Spielman and Smale, 2017）。第三，资源治理机制，包括化肥补贴定向、推广预算分配和灌溉管理机构，决定了资源分配效率，从而影响输入如何有效地到达小农户（Abebaw and Haile, 2013）。第四，土地使用治理和环境政策通过定义与土地退化、森林砍伐和保护农业相关的激励措施和监管约束来指导气候智能和可持续实践的采用（Lipper et al., 2014; Holden and Ghebru, 2016）。这些机制共同使治理成为一种系统构建力量，而不是一个抽象的概念，明确地将政策杠杆与市场整合、创新传播、资源获取和环境管理的可观察变化联系起来。

环境子系统捕捉了污染、气候变化和土壤健康之间的反馈。R32循环强调了污染如何加剧气候风险，促使向气候适应性实践的转变。B20到B22这样的平衡循环强调了采用可再生资源和保护农业以维持生态完整性的紧迫性（Vitousek et al., 1997; Foley et al., 2011; Giller et al., 2009）。在社会子系统中，与迁移、教育和贫困相关的反馈循环揭示了复杂的社会经济动态。R25和R26循环表明，从农村到城市的迁移减少了农业劳动力，削弱了生产力并引发了进一步的人口减少（Boye et al., 2024）。然而，提高生物经济实践中的教育可以通过本地化创新和市场参与来作为变革性干预，赋予社区权力并打破贫困循环（Pretty et al., 2018; Ogundipe et al., 2017）。技术子系统展示了研究和生物技术在推动农业转型方面的潜力。R19和R20循环表明，创新如何促进气候适应性作物的发展，增强了适应能力（Godfray et al., 2010）。然而，B10和B11平衡循环反映了限制性监管环境可能阻碍进步，强调了需要支持性政策框架来扩大创新（Spielman et al., 2009; Lybbert and Sumner, 2012）。总的来说，通过统一的因果循环图整合这些反馈结构为系统思维提供了强有力的视角。它不仅捕捉了不同领域之间的相互依赖性和反馈，还揭示了潜在的权衡和协同效应。这种基于系统的解释增强了我们规划战略干预的能力，指导决策者走向更加可持续和有韧性的农业路径（Tittonell, 2014; Foran et al., 2014; Thornton et al., 2017）。

网络分析为农业生物经济系统内的杠杆点提供了多维度的见解，集体解释这些中心性指标比依赖单一指标提供了更全面的理解。正如最近的网络理论文献所示，度中心性衡量了一个节点拥有的直接连接数，但不一定能捕捉其系统影响或因果强度（Newman, 2018; Pósfai and Barabási, 2016）。在我们的框架中，“气候适应性作物品种”、“农业生产”和“市场”等变量表现出高度中心性，表明它们具有广泛的连通性，但其因果意义必须与其他指标结合考虑。接近度中心性提供了关于变量在网络中传递影响的效率的见解，反映了其到达所有其他节点的平均最短路径（Estrada, 2012; Jackson, 2019）。气候适应性作物和市场的高接近度中心性突显了它们在网络中的影响力，表明针对这些变量的干预可以产生快速的全系统响应，符合它们作为结构加速器和支持适应策略及稳定供应链的角色（Freeman, 2002; Müller and Robertson, 2014）。PageRank中心性基于节点邻居的中心性来衡量影响，捕捉了其通过高影响力连接施加系统影响的能力（Gleich, 2015; Lambiotte et al., 2019）。这些值强调了城乡迁移的影响，突出了农村和城市系统之间的社会经济联系及其对农业可持续性的影响（Boye et al., 2024）。在农业生物经济系统中，气候适应性品种之所以具有高PageRank，并不是因为它们拥有最多的直接链接，而是因为它们与农业生产和市场等关键枢纽紧密相连。这突显了它们作为创新放大器的角色，间接传播系统范围内的好处。总度中心性将农业生产和市场变量识别为高度连接的节点，对网络稳定性和系统内互动至关重要（Opsahl et al., 2010）。战略性作物和气候适应性品种的连通性强调了多样化和育种计划对于增强农业韧性的必要性（Fischer et al., 2014）。相比之下，介数中心性识别了作为结构桥梁的节点，控制着系统其他部分之间弱连接的影响流动。这些节点在协调或限制子系统互动中起着不成比例的作用（Arney, 2012; Borgatti et al., 2024）。它揭示了气候适应性作物和战略性作物作为桥梁节点的作用，对于将环境子系统和经济子系统联系起来以及确保可持续性实践融入经济规划至关重要（Girvan and Newman, 2002; Vermeulen et al., 2012）。研究结果表明，政策框架应关注具有高中心性指标的变量，如气候适应性作物、农业市场和战略性作物。优先考虑这些中心节点可以优化干预措施的影响，促进整个农业系统的韧性和可持续性（Tittonell, 2014）。对气候适应性农业、稳健市场系统和作物多样化的投资可能会产生连锁效应，提高生产力和韧性（Lobell et al., 2008）。总之，这项分析表明，气候适应性作物品种、农业生产和市场在各项指标中始终处于中心位置，强调了它们在系统连通性和影响中的关键作用。与创新、市场动态和资源分配相关的变量也作为政策干预、资源分配和决策制定的战略点出现，突显了它们对于有针对性的高影响力行动的价值。反馈循环和网络中心性的综合分析提供了对各种子系统如何相互作用以推动农业生产力和韧性的全面视图。理解这些动态使政策制定者和利益相关者能够识别可以最大化可持续性影响的战略干预点。然而，尽管网络中心性指标捕捉了系统中变量的结构重要性，但不应将其解释为因果杠杆或政策优先级的直接指标。高中心性反映了在反馈结构中的连通性和潜在影响，但它没有考虑干预的可行性、成本、制度约束或实际影响的程度。因此，确定的杠杆点应被视为干预的结构候选者，其实际相关性需要通过实证验证和情境评估。

在肯尼亚和尼日利亚应用该模型的比较验证了其在不同农业生态和制度背景下的稳健性。在这两种情况下，气候适应性作物品种、农业生产和市场都成为推动生产力、韧性和经济稳定的主导杠杆点。模型验证和情景反事实测试表明，增加CRV的采用和改善市场基础设施提高了农业GDP（肯尼亚+12%；尼日利亚+11%），增强了市场连通性（肯尼亚+14%；尼日利亚+13%），并将粮食不安全反馈循环的强度降低了15-18%。这些发现与全球证据一致，即技术创新和市场整合是农业转型和气候韧性的基础（Jayne and Sanchez, 2021; FAO, 2021; AGRA, 2022）。肯尼亚的结果突显了强有力的政策整合和推广系统的好处，而尼日利亚的结果强调了基础设施和种子系统的价值，这与国家农业转型战略一致（MoALD, 2021; FMARD, 2022）。这些结果共同表明，该框架可以在气候不确定性下支持基于情景的政策设计。肯尼亚和尼日利亚之间的比较说明了不同的农业生态、制度和社会经济条件如何塑造它们的农业生物经济系统的结构行为。肯尼亚位于相对连贯和多产的农业生态区内，这支持了子系统间更顺畅的影响传播，而尼日利亚高度异质的农业生态景观则导致了更加碎片化的系统动态（Van Ittersum et al., 2016; Jayne et al., 2018）。肯尼亚农业生产和市场观察到的更高度和接近度中心性反映了其更强的市场基础设施、更整合的价值链和更好的协调推广服务，所有这些都增强了信息流动和创新采纳（Davis et al., 2021）。肯尼亚受监管的种子系统和长期对气候智能农业的支持进一步促进了气候适应性品种的广泛采用（Gapusi and Otieno, 2017; Shilomboleni et al., 2023），形成了紧密耦合的反馈循环，增强了系统连通性。相比之下，尼日利亚的农业系统涵盖了多样化的农业生态区，生产力、基础设施和制度能力存在显著差异。碎片化的市场网络和地区间的输入获取差异导致市场的接近度中心性较低，而资源分配和战略性作物的介数中心性较高，这些节点作为结构桥梁，连接了不连续的子系统（Andam et al., 2023; Olomu et al., 2020）。改进和气候适应性品种的较低采用加剧了系统的碎片化（Garbero et al., 2018）。因此，肯尼亚强大的结构联系放大了市场和创新干预的效果，而尼日利亚分散的网络则缓和了这些效果，并增加了对治理和协调瓶颈的敏感性（Mutea等人，2019年）。总体而言，这一比较突显了需要根据不同系统架构定制具体情境的干预措施。本研究开发的整体框架通过识别系统性杠杆点（如气候适应性强的作物品种、市场系统和投入获取途径）展示了其在指导撒哈拉以南非洲适应规划方面的巨大潜力（粮农组织，2021年）。这些发现直接支持了国家适应计划（NAPs）中提出的优先事项，并通过为农业投入系统、气候智能育种计划和包容性农村基础设施的投资提供证据基础，与捐助者和政策利益相关者的需求相呼应（世界银行，2020b年）。发展伙伴和区域倡议，如非洲农业综合发展计划（CAADP）和CGIAR的加速影响平台，也可以利用这一框架来指导景观层面的韧性规划（AGRA，2022年）。此外，我们将气候适应性强的品种和市场连通性确定为核心杠杆点，这与最近关于撒哈拉以南非洲农业转型的分析一致（Jayne和Sanchez，2021年；AGRA，2022年），同时强调了土壤健康、创新系统和治理的作用，这与强调生态和社会经济驱动因素相互关联的现有研究结果一致（Tittonell，2014年；Thornton等人，2017年）。该模型通过整合生态、社会和经济变量，进一步支持跨学科研究，为未来基于实证和情景的建模提供了模板，以增强撒哈拉以南非洲的政策预见性、预算分配和有针对性的项目设计（Herrero等人，2021年；Whitfield等人，2015年）。通过引入基于网络的杠杆点排名，该框架扩展了之前的建模方法（如TOA-MD和IMAGE），提供了系统影响的结构性度量，解决了农业建模中的已知缺陷（Van Ittersum等人，2016年；Kopittke等人，2019年）。这种综合方法为推进跨学科研究、支持基于情景的建模以及加强该地区的政策预见性、资源分配和项目设计提供了坚实的基础。这些发现直接回应了引言和文献综述中指出的概念性差距和系统层面的动态，展示了如何将复杂的相互依赖关系转化为可操作的见解。虽然这提供了一个强大的基于系统的框架，显著增强了我们对农业生物经济系统内部联系的理解，但也需要认识到其局限性以及未来改进的机会。本研究中开发的CLDs（因果循环图）是概念性的，基于文献综述构建，旨在说明农业、经济、环境、社会和技术领域之间的复杂互动。因此，它们提供了有价值的定性见解，但可能无法完全捕捉现实世界系统中的隐藏动态或新兴行为（Voinov和Bousquet，2010年）。它们的优势在于诊断和探索，而非预测。目前，该模型作为一个半定量的决策支持框架使用。尽管已经整合了来自肯尼亚和尼日利亚的实证证据来验证其概念上的稳健性，但该模型尚未包含动态时间序列校准或参数估计，这些都是提高其预测和情景测试能力的关键步骤（De Reuver等人，2018年）。尽管该框架借鉴了多种非洲案例研究以确保情境相关性，但它并不声称具有普遍适用性。由于农业生态、社会经济条件和制度结构的差异，不同地区的农业系统存在很大差异。因此，该模型应被视为一个灵活的基础，可以根据具体现实和政策环境进行调整和本地化（Scoones等人，2020年）。网络分析通过识别关键杠杆点和有影响力的变量增加了宝贵的洞察力，但目前缺乏时间维度。系统行为的时间滞后、阈值和动态变化尚未被纳入。未来的研究可以通过结合网络分析和动态模拟模型以及参与式系统映射来解决这些问题，从而更细致地探索系统演变和利益相关者参与（Sterman，2000年；Pereira等人，2019年）。这些计划中的改进将显著增强该框架在实证验证、利益相关者参与和政策和发展背景下的情景测试方面的实用性。基于这些见解，政策含义得到了扩展，提供了与模型中心性分析直接相关的更清晰、针对具体行动者的建议。高度中心性的节点，如智能农业实践（SAPs）、气候适应性强的作物品种（CRVs）、战略作物和市场准入，现在被转化为不同行动者可以实施的具体政策杠杆。对于国家政府而言，该框架强调了加强推广系统、协调种子法规、激励多样化和改善土壤健康的实践以及共同投资农村物流以改善市场连通性的紧迫性。对于捐助者和发展伙伴来说，该框架突出了支持数字咨询系统、CRVs的区域育种渠道、加速SAP采纳的混合融资机制以及整合气候风险信息与市场情报的平台的机遇。区域机构可以通过协调跨境种子认证、简化区域贸易走廊和促进共享创新平台来发挥补充作用。通过将这些差异化建议建立在高度中心性变量的结构重要性基础上，修订后的部分提供了更加可操作和有针对性的政策路线图，与模型揭示的系统动态保持一致。本研究有几个优点，包括其跨部门的综合设计、使用因果循环图和网络中心性分析来识别杠杆点，以及其在不同国家背景下的适用性。然而，仍存在重要限制。在数据充足的情况下，本研究中开发的概念性CLDs可以转化为存量-流量图，从而在整体系统中包含关键变量及其相对于重要指标的权重。数学表达式的整合和动态模拟也将使系统行为随时间的表示更加精确。在用于描述系统的众多方程中，包含关键环境变量（如温度和降雨量）的简化公式尤其有价值。这些变量对于捕捉农业系统的空间和时间变异性至关重要，特别是在像撒哈拉以南非洲这样农业对气候波动高度敏感的地区。大规模模拟这些动态将使模型能够准确反映发展背景下的农业实践现实。这不仅会增强模型的预测能力，还能帮助决策者在不同情景下可视化潜在结果。最终，整合空间模拟和现实世界数据将使该框架从一个概念工具提升为一个实用的决策支持系统，能够指导农业和农村发展的有针对性的干预和适应策略。另一个方法学限制是因果循环构建过程中的确认偏误风险，这是定性系统动态中的一个已知挑战，建模者可能会无意中强调与先前关于系统行为的预期相符的反馈结构。为了减轻这一风险，本研究中的CLDs是通过透明和结构化的过程开发的：变量选择基于明确的纳入标准，因果联系通过同行评审的文献、国家适应计划和实证数据集进行三角验证，图表经过了农业系统、气候适应和生物经济专家的迭代审查。这种多来源三角验证和外部验证过程减少了结果结构仅仅强化先前假设的可能性。尽管如此，我们承认定性建模无法完全消除主观判断，未来包括定量模拟的研究阶段将提供额外的结构有效性测试。此外，当前研究在开发概念框架期间缺乏正式的利益相关者咨询。虽然这一阶段侧重于在参与式参与之前建立一个清晰且基于实证的因果结构，但我们认识到政策制定者、推广官员、农民团体和技术专家的有意义参与对于确保情境准确性、政策相关性和操作合法性至关重要，以确保充分捕捉当地相关的动态和约束。因此，当前模型应被视为一个初步的分析表示，而不是一个完全验证的系统地图。下一阶段的研究将包括一个结构化的参与式建模过程，以细化因果假设，验证反馈关系，并共同识别反映肯尼亚和尼日利亚实际情况的杠杆点。这将涉及利益相关者的共同开发方法，包括参与式系统映射和迭代验证研讨会，旨在提高框架的稳健性、合法性和政策相关性。整合这些观点对于确保识别出的杠杆点在现实世界的决策环境中具有情境相关性和可操作性至关重要。

6. 结论
本研究展示了应用系统思维来理解农业、经济、环境、社会和技术领域之间相互依赖关系的价值。通过整合因果循环图和网络中心性分析，所提出的模型捕捉了线性或特定领域方法中经常被忽视的跨部门反馈，并识别了塑造系统行为的关键结构杠杆点，包括气候适应性强的作物品种、农业生产力和市场准入。在肯尼亚和尼日利亚的应用进一步说明了该模型如何揭示特定情境下的系统敏感性差异，同时为分析气候适应性强的农业转型提供了结构化基础。目前，这项工作的贡献是概念性和结构性的。该框架能够识别反馈机制、绘制系统动态图，并优先考虑有影响力的变量，从而支持探索性和诊断性政策应用。它可以指导假设生成、引导利益相关者对话，并为战略规划提供初步证据基础，包括对NAPs的投资优先级制定。然而，它尚未量化系统随时间的变化、模拟对干预的动态响应或估计影响的幅度和时间。这些能力应在后续阶段通过构建一个完全参数化的存量-流量系统动态模型来发展。下一阶段应包括整合多源数据集，包括农业生产统计数据、气候数据、市场指标和社会经济变量，以校准和验证系统关系。模型开发应包括参数估计、历史重现测试、敏感性和不确定性分析以及结构验证，以确保稳健性。同时，应实施涉及政策制定者、推广人员、研究人员和农民的结构化参与过程，以细化系统假设、验证反馈关系并增强情境相关性。一旦完全运作，动态模型应能够进行不同气候和社会经济条件下的替代投资策略、气候适应路径、作物系统转型和治理干预的情景分析。通过纳入反馈效应、时间延迟和非线性动态，改进后的框架预计将发展成为一个可扩展和适应性强的决策支持工具。虽然当前研究通过两个国家案例提供了一个面向撒哈拉以南非洲的框架，但其更广泛的适用性将取决于在不同背景下的进一步验证。最终，这种分阶段方法为更加综合、基于证据和气候适应性的农业规划提供了途径。

作者贡献声明：
Bonoukpoè Mawuko Sokame：写作——审阅与编辑、原始草稿撰写、可视化、验证、软件、方法论、调查、正式分析、数据管理、概念化。
Ghislain T. Tepa-Yotto：写作——审阅与编辑、验证、监督、调查、正式分析、概念化。
Henri E.Z. Tonnang：写作——审阅与编辑、验证、方法论、调查、正式分析、概念化。
Sabra Lewis：写作——审阅与编辑、验证、概念化。
Christopher Suh：写作——审阅与编辑、可视化、验证、方法论。
Rachel Zozo：写作——审阅与编辑、可视化、验证、监督。
Jeannette K. Winsou：写作——审阅与编辑。
Alpha Kamara：写作——审阅与编辑、概念化。
Joel Cornelius Runyu：可视化、软件、方法论、调查、数据管理。
Elfatih Abdel-Rhaman：写作——审阅与编辑、监督、概念化。
Laura Schmitt Olabisi：写作——审阅与编辑、可视化、验证、方法论、调查。
Tahirou Abdoulaye：写作——审阅与编辑、监督、资金获取。

资助
作者感谢世界银行国际开发协会（IDA）为CGIAR非洲气候研究加速影响项目（P173398, AICCRA-加纳）提供的财政支持。IDA通过提供赠款和低息或无息贷款，帮助世界上最贫困的国家促进经济增长、减少贫困并改善贫困人口的生活。IDA是全球76个最贫困国家的最大援助来源之一，其中39个位于非洲。2017-2020年间，IDA的年度承诺平均约为210亿美元，其中约61%用于非洲。