《Precision Agriculture》：Heterogeneous behaviours towards precision agriculture adoption among Italian winegrowers: insights from latent class analysis
编辑推荐：
目的：精准农业技术（Precision Agriculture Technologies, PATs），包括卫星数据、无人机、田间机器人和自动导航系统，正日益被推广作为提高葡萄栽培可持续性、竞争力和环境效率的工具。然而，意大利葡萄酒种植者对这些实践的采用呈现出
目的：精准农业技术（Precision Agriculture Technologies, PATs），包括卫星数据、无人机、田间机器人和自动导航系统，正日益被推广作为提高葡萄栽培可持续性、竞争力和环境效率的工具。然而，意大利葡萄酒种植者对这些实践的采用呈现出显著的异质性，这种异质性受到结构性因素和行为因素共同影响。本研究旨在基于意大利葡萄酒种植者采用PATs的意愿，识别其不同群体，并考察这些意愿如何与捕捉认知、社会和风险相关影响的四个行为构念相关联。
方法：本研究通过估算基于272名意大利葡萄酒种植者的潜在类别广义结构方程模型（latent-class generalised structural equation model, LC-GSEM），整合了基于概况的视角。类别归属模型基于一个多层面的概念化框架，涵盖风险感知（risk perception）、风险承受力（risk tolerance）、感知易用性（perceived ease of use）和主观规范（subjective norms），并将技术特定的五年期采用意愿作为类别特定的Probit截距纳入模型。
结果：研究涌现出三个性质不同的概况：风险敏感型怀疑者（risk-sensitive sceptics）、选择性实用主义者（selective pragmatists）和可用性导向型高采纳者（usability-oriented high adopters），不同技术之间的采用模式差异显著。参与农村发展计划是归属于更高倾向潜在类别（即选择性实用主义者和可用性导向型高采纳者概况）的最强预测因素。此外，对PATs的熟悉程度、男性性别和参与联合体与高倾向类别呈正相关，而年龄则呈现微弱的负相关。
结论：这些结果为针对特定细分群体设计推广服务和政策提供了信息参考，优先考虑为谨慎型种植者提供风险缓解试验，为选择性概况提供有针对性的信息服务，并为高倾向群体提供整合的PATs组合方案。
**意大利葡萄酒种植者精准农业技术采纳异质性行为的潜在类别分析：研究解读**
**1. 研究背景与问题提出**
全球农业正面临气候变化、生物物理约束和环境退化等多重挑战，这些压力通过影响土地、水资源及其他投入要素的使用方式，重新塑造了农业生产条件，进而加剧了各作物系统的产量波动与生产风险（FAO, 2025）。在此背景下，可持续集约化——即同时提高生产力、提升资源利用效率并减少农业负面环境影响的过程——被视为调和日益增长的粮食需求与环境和资源约束的关键路径（Lyu et al., 2021）。精准农业技术（Precision Agriculture Technologies, PATs）作为提升资源利用效率和缓解环境压力的关键赋能途径，其应用潜力受到广泛关注。PATs的组合涵盖多种解决方案，包括基于卫星的信息服务、无人机、田间传感器与物联网（Internet of Things, IoT）应用、辅助或自动导航系统、变量施药/施肥技术（Variable Rate Technologies, VRT）以及田间机器人（Phang et al., 2023）。
尽管这些技术的采用可带来可观的经济和环境效益，但其收益幅度在不同农场间差异巨大，且受农场规模和结构、经营者的管理专业知识以及各类工具有效整合和针对特定条件定制程度的强烈影响（Galati et al., 2025; Testa et al., 2026）。在葡萄栽培领域，园内和园间显著的时空变异性使基于特定地点的管理在优化投入、产量和葡萄品质方面极具潜力（Arnó Satorra et al., 2009; OIV, 2019）。然而，精确葡萄栽培的采用率仍然较低，落后于其他农业部门（Groher et al., 2020; Zarco-Tejada et al., 2014）。相关研究仍然稀缺且零散，大多基于小样本或案例研究方法，鲜有研究深入探究葡萄种植者的认知与采纳过程（Kaňovská, 2021; Shang et al., 2021）。现有研究大多依赖单一理论视角，且多采用变量中心方法估计驱动因素与采纳之间的平均关联，假设效应在农户间具有同质性，忽视了采纳路径中的未观测异质性（Nafar et al., 2025; Vecchio et al., 2020）。这种平均效应证据难以为特定葡萄种植者群体的政策杠杆设计提供精细指导。因此，需要一种能够识别不同技术采纳意愿组合、刻画潜在细分群体的分析框架。在此背景下，本研究旨在填补这一理论与政策设计上的空白，为意大利葡萄酒行业的精准农业技术推广提供细分化的实证依据。
**2. 研究内容与主要技术方法**
本研究在意大利四个主要葡萄酒产区（威尼托、西西里、普利亚和托斯卡纳）开展，这四个产区合计占全国葡萄园面积的54.1%和葡萄酒总产量的53.5%（ISTAT, 2025）。研究人员通过直接调查方式，基于专门设计的问卷收集了272名专业葡萄酒种植者的数据。研究方法的核心是采用潜在类别广义结构方程模型（Latent-Class Generalised Structural Equation Model, LC-GSEM），该模型能够同时联合估计五个二元采纳意愿方程，识别具有不同技术特定意愿模式的潜在葡萄种植者群体，并通过无约束残差协方差矩阵捕获跨技术相互依赖关系。类别归属模型以四个标准化行为构念——风险感知（Risk Perception, RP）、风险承受力（Risk Tolerance, RT）、感知易用性（Perceived Ease of Use, PEOU）和主观规范（Subjective Norms, SN）——作为多项Logit函数的预测变量。此外，采用偏差校正的三步多项模型，将可观测协变量（包括对PATs的熟悉程度、对联合体接入的兴趣、参与农村发展计划情况以及人口统计学控制变量）与类别归属相关联，并报告相对风险比（Relative Risk Ratios, RRR）。在类别数量选择上，综合贝叶斯信息准则（Bayesian Information Criterion, BIC）、赤池信息准则（Akaike Information Criterion, AIC）以及可解释性和简洁性原则，最终保留三类解。
**3. 研究结果**
**3.1 样本特征与描述性统计**：样本受访者平均年龄为49.1岁，81.6%为男性，54.8%具有高等教育学历，83.1%拥有超过10年的行业经验。在数字接触方面，58.8%的受访者表示对PATs没有或仅有较低的熟悉度。61.4%的受访者表示愿意通过联合体安排获取技术，46.0%曾获得农村发展计划（Rural Development Programme, RDP）支持。双变量分析显示，RDP参与与PATs熟悉度之间存在正相关关系（Spearman's ρ = 0.214, p < 0.001）。
**3.2 采纳意愿分布**：在五年时间范围内，葡萄种植者对五种PATs的采纳意愿呈现出明显的梯度差异。卫星信息服务的采纳意愿最高（37.1%），其次是无人机（20.9%）、自动导航（20.2%）和VRT（18.7%），而田间机器人的采纳意愿最低（9.5%）。整体格局显示出对信息密集型和易获取解决方案更强的短期兴趣，而对资本密集型和不确定性较高的技术采纳前景则较低。
**3.3 潜在类别分析结果**：基于LC-GSEM识别出三个性质不同的潜在类别。**风险敏感型怀疑者**（Class 1，占样本的63.8%）对所有拟议技术的采纳意愿概率均较低，从田间机器人的1.1%到卫星数据的10.8%不等。该类葡萄种植者表现出较高的风险感知和较低的风险承受力，同时感知易用性和来自同伴的社会压力感知也较低（z
RP ≈ +0.20；z
RT ≈ ?0.10；z
PEOU ≈ ?0.20；z
SN ≈ ?0.20）。**选择性实用主义者**（Class 2，占样本的17.7%）表现出中等采纳意愿概率，对信息密集型工具有明显偏好，特别是卫星数据（90.6%），其次是无人机（35.3%）和VRT（18.5%），但对自动化密集型解决方案仍持保留态度。其低风险感知和略高于平均水平的感知易用性与主观规范（z
RP ≈ ?0.68；z
PEOU ≈ +0.17；z
SN ≈ +0.30）与其逐步采纳过程相符。**可用性导向型高采纳者**（Class 3，占样本的18.5%）是技术最先进的概况，具有较高的感知易用性和强烈的同伴社会压力感知（z
PEOU ≈ +0.54；z
SN ≈ +0.39），风险指标接近样本平均值（z
RP ≈ ?0.05；z
RT ≈ +0.09）。该类在所有技术上的采纳意愿概率均较高，范围从田间机器人的48.1%到卫星数据的76.8%。
**3.4 假设检验与协变量关联**：关于四个行为构念的假设检验显示，感知易用性（H1）和主观规范（H2）得到完全支持，即更高的感知易用性和更强的支持性主观规范增加了归属于采纳导向概况的可能性。风险感知（H3）仅得到部分支持，较低的风险感知与选择性实用主义者类别相关，但并未区分高采纳倾向类别。风险承受力（H4）未得到支持。在协变量方面，RDP参与成为最稳健的赋能因素，与归属于Class 2（RRR ≈ 5.87, p < 0.05）和Class 3（RRR ≈ 4.57, p < 0.05）均呈正相关。对PATs的熟悉程度与Class 3归属呈显著正相关（RRR = 3.57, p < 0.01）。对联合体接入的兴趣表现出显著效应，尤其对Class 2（RRR = 36.8, p < 0.10）效果较大，对Class 3（RRR = 2.77, p < 0.10）影响较小，从而支持赋能假设H5和H6，而H7仅得到部分支持。男性性别与两个较高倾向类别均呈正相关，年龄仅对Class 3呈微弱负相关（RRR = 0.66, p < 0.10），教育程度在控制其他协变量后不显著。
**4. 讨论与结论**
**讨论**：研究结果表明，信息密集型解决方案的采纳意愿在各类别中均强于自动化密集型、资本密集型选项，这与低边际成本数字工具传播速度更快的证据相符（Lowenberg-DeBoer & Erickson, 2019）。选择性实用主义者的意愿模式与PATs的序贯采纳证据一致，即基于信息和整合的技术采用通常发生在初始监测与信息工具采用之后（Miller et al., 2019; Ofori et al., 2020）。可用性导向型高采纳者表现出跨技术的全面高采纳意愿，符合高倾向农户倾向将精准工具作为互补技术组合采纳的证据（DeLay et al., 2022）。风险敏感型怀疑者对所有可用选项的疏离反映了财务障碍、技术复杂性和有限组织能力的综合影响（Masi et al., 2023; Dibbern et al., 2025）。感知易用性和主观规范在区分高倾向细分群体中起核心作用，而风险相关构念发挥更选择性的作用，表明低风险感知可能对区分彻底怀疑与选择性采纳更为关键，而高采纳者配置与感知易用性和社会影响的关联性强于风险相关构念。公共支持计划参与与高倾向类别的正相关验证了补贴和税收政策在降低财务障碍和提升盈利能力方面的有效性（Barnes et al., 2019; Sp?ti et al., 2022）。对联合体接入的兴趣表明共享接入安排可作为具有更广泛PAT采纳意图农户的相关选项（Wu et al., 2023）。
**研究结论**：本研究通过将以人为中心的细分方法与态度和赋能因素相结合，探索了意大利葡萄酒种植者对一系列精准农业技术的采纳意愿。潜在类别分析识别出三个具有不同采纳意愿的概况——风险敏感型怀疑者、选择性实用主义者和可用性导向型高采纳者——并表明感知易用性和主观规范是最密集采纳概况的核心关联因素，而风险相关构念则发挥更具选择性的作用。研究结果还强调了赋能条件（如对PATs的熟悉度、参与公共支持计划和联合体接入兴趣）在区分较高倾向细分群体及其技术特定意愿模式方面的重要性。研究存在样本量相对较小、地理范围有限、横截面自报告设计以及潜在自我选择偏差等局限性，未来研究应追踪行为采纳的时间动态、检验潜在概况在其他地区和农场类型中的稳定性与可转移性，并将概况特定采纳组合与实际生产力、成本和环境结果相连接，从而将细分证据转化为更精确、与气候相关的精准葡萄栽培策略。该研究发表于《Precision Agriculture》。
