用于利润分析的机器学习框架:厄瓜多尔可持续可可生产案例研究

《Resources, Conservation and Recycling》:A machine learning framework for profit analysis: A case study on sustainable cocoa production in Ecuador

【字体: 大 中 小 】 时间:2026年07月26日 来源:Resources, Conservation and Recycling 10.4

编辑推荐:

  摘要有机农业的转型因具有可持续性优势而受到认可,但由于经济不确定性,其普及率依然较低。厄瓜多尔的可可种植面临着在盈利性与可持续性之间寻求平衡的挑战,因此进行财务分析显得极为重要。本研究利用机器学习模型分析厄瓜多尔有机可可种植与传统可可种植的盈利能力,旨在找出关键的经济与环境指标。

  

摘要

有机农业的转型因具有可持续性优势而受到认可,但由于经济不确定性,其普及率依然较低。厄瓜多尔的可可种植面临着在盈利性与可持续性之间寻求平衡的挑战,因此进行财务分析显得极为重要。
本研究利用机器学习模型分析厄瓜多尔有机可可种植与传统可可种植的盈利能力,旨在找出关键的经济与环境指标。
我们分析了涵盖10,605个农年记录(2020–2022年)的全国农业调查数据。我们比较了多种预测方法,从简单的线性回归、最近邻法到更为复杂的基于树结构和神经网络的方法,如随机森林、梯度提升树(如XGBoost和HistGradientBoosting)以及多层感知器。随后,我们运用可解释性技术SHAP来确定哪些因素对每公顷利润影响最大。所研究的因素包括农民感知的生活质量、种植面积、土壤质量、化肥使用情况、种植园年龄、灌溉条件以及可可的市场价格。
研究结果表明,对于“细香型”可可品种,有机农业的盈利能力优于传统农业(以农业投入后的毛利润来衡量),而对于“拉米拉型”品种,传统农业的盈利能力更高。当综合考虑所有因素时,农民感知的生活质量是影响利润的最强单一预测因子,这些模型能够很好地解释利润变化(解释方差的比例R2为0.80–0.87)。然而,若排除生活质量这一因素,预测精度会大幅下降(R2为0.06–0.11)。这表明生活质量更应被视为与利润同步变化的综合指标,而非可直接干预的因素。一旦将其排除,真正可调控的因素就显现出来:种植园年龄、灌溉条件、可可市场价格、化学肥料使用量以及农场面积。对于政策制定者和企业而言,实际意义在于应将支持重点放在这些可调控因素上,比如改造老旧种植园、投资灌溉设施,以及通过远期合同和合作谈判等手段稳定价格,同时加强市场监测与预测,而非试图直接改善农民感知的生活质量。

引言

气候变化与COVID-19疫情以及俄乌冲突相互关联,给全球农业规划与粮食安全带来了诸多挑战(Jiao, 2023)。这些事件扰乱了供应链和价格体系,使得在不损害环境、经济和社会文化可持续性的前提下提高生产效率成为一项艰巨任务(Martinho et al., 2022; Lin et al., 2023)。
传统农业由于过度依赖农用化学品且资源利用效率低下,不可避免地会成为污染源(Onyango et al., 2021)。这不仅会影响农民的生活质量(Demi and Sicchia, 2021),还会受到降雨量和温度变化等气候变化因素的影响(Jatoi and Fahad, 2023; Abdulai, 2018)。专家们认为,可持续农业实践能够有效应对气候变化并提升农业的抗风险能力(Ndiritu et al., 2014; Zhou et al., 2018; Rose et al., 2019; Ma and Kong, 2020)。例如,在可可种植中,有机管理方式相比传统农业能提升土壤质量和微生物多样性(Lori et al., 2022)。
尽管政策层面高度重视可持续性,但向可持续农业实践的转型进展缓慢。对于许多作物而言,关于可持续农业实践具体效果的研究仍处于初期阶段(Sachithra and Subhashini, 2023; Okringbo et al., 2022)。这对于厄瓜多尔来说尤为重要,该国是全球“细香型”可可的主要供应国和生产国(Nisa et al., 2023; Saravia-Matus et al., 2019)。虽然厄瓜多尔也是有机可可的重要生产国(ANECACAO, 2017),但仅有不到35%的种植园采用可持续农业实践(álava et al., 2021)。农民在向有机农业转型过程中面临较大不确定性,这意味着在短期内他们将面临产量下降和成本上升的情况,却无法立即获得价格上的优势(Galkin, 2022)。
有机农业通常需要更多的劳动力且生产周期更长(Tikon et al., 2023; Moreno-Pérez and Blázquez-Soriano, 2023)。虽然有研究表明热带国家的有机农业产量可能高于传统农业(Gibbon and Bolwig, 2007),但其经济可行性仍值得关注。由于消费者认为有机产品品质更好且更环保,他们愿意为其支付更高价格(Parashar et al., 2023; Mishra et al., 2023),但仍需进一步分析才能有效激励农民采用有机农业方式。
尽管人们已经认识到有机农业的优势,但其普及率依然偏低。由于缺乏关于其经济可行性的充足数据,农民们往往犹豫不决。在厄瓜多尔,有机可可种植的比例较低,这限制了其可能带来的积极影响,也影响了我们对当地农业生产体系的了解。尤其是在发展中国家,这一领域的数据十分稀缺、零散且缺乏一致性。相关信息通常是通过有限的农场调查收集的,这就使得大规模分析变得十分困难。
研究工作的不足导致市场对需求和盈利能力的判断存在不确定性。政策制定者也缺乏制定相关法规和激励措施所需的坚实科学依据。为解决这一问题,有必要开展更多研究,为农民提供所需信息,帮助他们做出关于向有机农业转型的明智决策。
本研究要填补的研究空白主要包括三方面:(i)实证层面:此前尚无研究利用大规模、多年度的农场级数据来比较厄瓜多尔有机可可种植与传统可可种植的经济表现;(ii)方法论层面:以往在可可种植领域的机器学习应用多集中在产量预测上,而非利润分析,而且通常不会在可解释的框架内同时整合环境、社会和经济指标;(iii)政策相关性层面:现有的基于指标的研究虽然能生成综合指数,但却未能以扩展服务机构和认证项目可直接使用的形式对关键驱动因素进行排序。
本研究旨在利用厄瓜多尔国家统计与人口普查局开展的连续农业地表与生产调查(ESPAC)数据,分析和比较影响厄瓜多尔有机可可种植与传统可可种植的各种因素。
我们的目标是为政策制定者提供基于证据的信息,以便他们制定有效的政策。本研究围绕三个问题展开:(1)究竟有哪些因素会影响可可生产的盈利能力?(2)从盈利能力角度来看,哪种种植方式表现更好?(3)这些因素随时间发生了怎样的变化?
本研究的具体贡献包括:(i)首次基于大规模数据(10,605个农年记录),运用机器学习方法对比厄瓜多尔有机可可种植与传统可可种植的经济效益;(ii)构建了一个可解释的随机森林加SHapley加性解释框架,并将其与极端梯度提升算法、基于直方图的梯度提升树以及表格型多层感知器进行对比,同时解决了目标泄露和特征内生性问题;(iii)通过双重SHAP分析,对比了包含所有因素时的排名情况(此时生活质量因素起主导作用)与排除了生活质量因素后的敏感性排名,从而揭示出背后的农业影响因素;(iv)基于ESPAC和SIPA的官方数据,编制了一份公开的可解释指标词典。

章节节选

文献综述

机器学习为产量和收入预测提供了实用的框架。它具备从海量数据中识别复杂模式的强大能力。为了构建出稳健的预测模型,研究人员会利用历史数据确定相关参数,同时留出一部分数据用于评估模型的性能(Van Klompenburg et al., 2020)。
已有许多研究将机器学习应用于农业领域,不过不同作物之间的应用方法可能并不具备通用性。Paudel等人(2021)结合了

研究方法

本研究的方法通过图1所示的利润预测框架逐步阐述。后续章节将对数据分析的全过程进行详细说明。
该分析框架共包含八个阶段:(1)从ESPAC(农场调查)和SIPA(价格数据)获取数据;(2)从三个可持续性维度构建50个指标;(3)数据预处理,包括通过预测均值匹配法处理缺失值、对分类变量进行编码等操作,

探索性数据分析

根据附录中的图表A显示,大多数可可种植园的树龄都在5到15年之间。种植面积的分布呈右偏态,即小型种植园数量较多,大型种植园则相对较少。大多数农场表示没有土地流失现象,而且很少有农场配备灌溉系统。大多数农场并不常用有机肥料,而化学肥料的成本则呈现更广泛的分布情况。女性劳动者人数以及总劳动力数量在不同农场之间也存在较大差异

讨论

本研究确定了若干对可可生产盈利能力有显著影响的因素。
  • a) 影响可可生产盈利能力的核心因素是什么?
首先,在包含所有因素的SHAP分析中,农民感知的生活质量是影响每公顷毛利润的最强预测因子,其SHAP值约为其他所有因素中排名第二的因子的15倍。不过,第4.3.2节中的敏感性分析表明,这一

结论

本研究利用机器学习框架,基于10,600个农年记录,分析了厄瓜多尔有机可可种植与传统可可种植的盈利能力,由此得出了几项结论。
首先,探索性数据分析显示,大多数可可种植园的树龄在5到15年之间,种植面积多集中于较小规模的地块。在传统农业模式下,“拉米拉型”可可品种的产量和利润更高,而“细香型”可可品种则表现为有机农业的盈利能力更强

CRediT作者贡献说明

Berny Carrera:撰写——审稿与编辑、撰写——初稿、验证、软件开发、方法设计、研究实施、正式分析、概念构思。Maria Jacqueline Giler Manosalvas:撰写——初稿、验证、研究实施、正式分析、概念构思。Kwanho Kim:验证、项目监督、项目管理、方法设计、概念构思。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

本研究部分得到了韩国国家研究基金会(NRF)在韩国政府(科技信息通信部)资助下的项目支持(项目编号:RS-2025–24523405),同时还获得了东国大学2024年度研究基金的支持(项目编号:S-2024-G0001-00028)。
Berny Carrera|Maria Jacqueline Giler Manosalvas|Kwanho Kim
韩国仁川市21985,犹他大学亚洲校区电气与计算机工程系
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号