《International Journal of Agricultural Sustainability》：Adoption patterns, agricultural impacts, and smallholder income outcomes of smart farming technologies in East Africa
编辑推荐：
农业是东非经济体的支柱，但它极易受到气候变化和人口快速增长的影响，威胁着数百万小农户的粮食安全和生计。为此，研究人员引入了智能农业技术（Smart Farming Technologies, SFTs），包括精准灌溉、地理信息系统（Geographic Inf
农业是东非经济体的支柱，但它极易受到气候变化和人口快速增长的影响，威胁着数百万小农户的粮食安全和生计。为此，研究人员引入了智能农业技术（Smart Farming Technologies, SFTs），包括精准灌溉、地理信息系统（Geographic Information System, GIS）和基于信息通信技术的推广服务，以增强韧性和生产力。然而，这些技术的广泛采用率仍然较低，且对其实际经济及农学影响的认识存在碎片化。该系统性综述旨在描绘东非地区采用的SFTs，评估影响其采用的因素，并批判性地评估它们对农业生产力和小农户收入的影响。遵循系统综述和荟萃分析优先报告条目（PRISMA）指南，研究人员采用混合方法综合了94篇文章，结合了对完整数据集的定量分析和对33篇关键出版物的深入定性分析。研究结果显示，小规模灌溉、信息通信技术（ICTs）、地理信息系统（GIS）和遥感是该地区最普遍的技术。它们的采用受社会经济、技术和政策相关因素的复杂交互作用决定。关键的是，该综述证实SFTs的采用对农业生产力、粮食安全和家庭收入产生积极影响，尽管在公平实施方面仍存在显著障碍。为应对东非地区的气候变化和粮食不安全，政策必须针对这些具体的社会技术障碍，确保SFTs对小农户而言是可获取且有利可图的。
**论文解读：东非智能农业技术的采用模式、农业影响与小农户收入——一项系统性综述**
**研究背景与问题提出**
农业是东非国家经济的支柱，但该地区农业系统高度脆弱，面临气候变化加剧和人口快速增长的双重压力，威胁着数百万小农户的粮食安全与生计。为应对这一挑战，智能农业技术（Smart Farming Technologies, SFTs），包括精准灌溉、地理信息系统（Geographic Information System, GIS）和基于信息通信技术（ICTs）的推广服务，被引入以提升农业韧性和生产力。然而，这些技术的广泛采用率仍然较低，且对其实际经济与农学影响的认识存在碎片化。现有研究多聚焦于单一技术或单一国家，缺乏对东非地区整体采用模式和综合影响的系统性评估。因此，该研究旨在系统梳理东非地区SFTs的应用现状，识别影响采用的关键因素，并评估其对农业生产力和小农户收入的综合影响，为政策制定提供科学依据。该论文发表在《International Journal of Agricultural Sustainability》。
**研究方法概述**
该研究采用系统性综述方法，遵循PRISMA指南，从Scopus、Google Scholar和Research Gate数据库中检索2010年至2025年8月发表的英文文献，最终纳入94篇相关文章。研究采用混合方法：对全部94篇文章进行定量分析，包括出版年份、引文计数、关键词共现和地理分布；同时，基于三个标准（涉及SFTs使用、采用因素及影响评估）选取33篇实证研究进行深度定性分析。定量分析用于映射研究趋势和主题分布，定性分析则深入探讨技术采用因素和影响机制。样本来源为已发表的学术文献，未涉及原始队列数据。
**研究成果**
**3.1 定量分析**
通过分析94篇文章的出版趋势，研究人员发现2012至2019年间年发文量低于6篇，2020至2024年显著增长至年均11篇以上，2024年达到峰值17篇，表明近年来研究兴趣急剧上升。数据库分布显示，Google Scholar和Scopus分别占45.7%和41.5%。关键词共现分析识别出四个聚类，分别围绕农业生产系统、技术类型、地理位置和影响评估，核心主题包括采用因素、挑战及对粮食安全的影响。地理分布上，埃塞俄比亚（26篇）、肯尼亚（19篇）和坦桑尼亚（18篇）为发文量前三的国家。
**3.2 定性分析**
**3.2.1 东非的智能农业技术**
基于8篇文章的分析，研究人员发现东非最常用的SFTs包括土壤和植物传感器、遥感与GIS（用于作物种植系统制图）以及作物-土壤模拟模型。例如，Mariye等（2024）利用遥感和GIS分析埃塞俄比亚Legabora流域的土地利用/土地覆盖变化，发现农田面积显著增加（345.1公顷/年），但导致生物多样性丧失和土地退化。Kabirigi等（2023）在卢旺达的调查显示，手机等ICTs被用于农业信息服务，但采用受限于低认知度、高成本和数字素养不足。Kimaro等（2023）在坦桑尼亚利用手持式NDVI传感器评估水稻生产力，发现水稻产量与NDVI呈正相关，传感器可用于小农户产量预测。
**3.2.2 东非智能农业技术的采用与未采用因素**
基于9篇文章的分析，研究人员发现采用受社会经济、技术和政策因素共同影响。Kagona（2025）对东非共同体3,600名利益相关者的调查显示，数字基础设施不足、政策碎片化、知识差距和资金限制是主要障碍。Gichuki等（2024）在肯尼亚对725名农户的调查表明，基础设施有限、高成本和缺乏技术专长制约了精准农业技术的采用。Mihret等（2025）在埃塞俄比亚的综述指出，农业4.0（包括遥感、大数据和人工智能）面临农民预算紧张、基础设施差、土地权属问题等挑战。Sanga等（2025）在坦桑尼亚的调查发现，年龄、性别、教育水平、设备所有权和互联网接入是影响数字技术利用的关键因素。
**3.2.3 东非智能农业技术使用的影响**
基于16篇文章的评估，研究人员发现SFTs产生积极影响。小规模灌溉（SSI）方面，Mengistie和Kidane（2016）在埃塞俄比亚的调查显示，SSI使农户年收入从1,978.12比尔增至10,099比尔，提高了五倍。Negera等（2025）在埃塞俄比亚评估了太阳能水泵和雨水收集灌溉技术，发现其经济可行性（效益成本比大于1.0），净水价值为0.21-1.53美元/立方米。ICTs方面，Irungu等（2015）在肯尼亚的研究表明，ICTs促进了青年农业创业，月收入可达18,000-80,000肯尼亚先令。Anteneh和Melak（2024）在埃塞俄比亚指出，基于ICT的推广服务（如无线电、语音应答和短信）促进了新技术采用和生产力提升。遥感和GIS方面，Wanyama等（2021）在肯尼亚利用遥感评估玉米种植土地适宜性，发现55%的土地因气候变化仅勉强适宜，从而提出了作物多样化和改良品种等适应性策略。Simon等（2024）在坦桑尼亚达累斯萨拉姆的研究显示，城市扩张导致建成区面积增加14.9%，灌木林地减少14.6%，强调城市需考虑人口密度和距离中心距离。
**讨论与结论总结**
讨论部分指出，SFTs（如ICTs、小规模灌溉、遥感和GIS）在东非国家已得到测试和应用，提升了农业信息获取、水资源利用效率和生产力，但其采用面临社会经济、技术和政策挑战。例如，年龄、性别、预算限制、基础设施不足和土地权属问题（特别是在埃塞俄比亚）是主要障碍。尽管存在这些挑战，SFTs的采用对农业生产力、粮食安全和家庭收入产生了积极影响，但需通过推广适应技术、制定适当政策和能力建设来促进公平实施。
**研究结论**（翻译自原文第7节）：
该系统性综述旨在识别影响东非智能农业技术采用的因素，并评估其对农业部门和小农户收入的影响。研究人员通过定量和定性方法系统评估了94篇出版物，提供了该地区智能农业文献的概述。研究结果表明，最常用的智能农业技术包括用于农业生产力提升和水资源高效利用的小规模灌溉、基于ICT的推广和咨询服务，以及作为农业发展和自然资源管理决策支持工具的遥感和GIS。这些技术在东非国家的采用受到社会经济、政策和技术因素的影响，包括年龄、性别、经济状况、基础设施差、对外国技术的依赖以及缺乏熟练劳动力和培训。此外，不同国家的研究人员报告了使用智能农业技术的积极影响，包括提高农业产量、增强粮食安全和资源效率。因此，由于遥感和GIS的使用，研究人员提出了关于农业发展和自然资源管理的更好建议。
