改良种子品种与信息获取对集群农业提升气候韧性的调节作用：以埃塞俄比亚为重点的全球荟萃分析

《Frontiers in Sustainable Food Systems》：The role of improved seed variety and information access in moderating the effect of cluster farming on climate resilience: a global meta-analysis with a focus on Ethiopia

　　

摘要：气候变化日益威胁着埃塞俄比亚等发展中国家依赖雨养的农业。集群农业（cluster farming）已成为增强小农户韧性的潜在策略，然而现有证据仍较为零散。遵循PRISMA指南，研究人员对18项同行评审研究（2000–2025年）进行了系统综述和荟萃分析，其中8项来自埃塞俄比亚。采用随机效应模型（random-effects model）计算合并标准化均数差（standardized mean differences, SMD）。进行了亚组分析、元回归（meta-regression）和发表偏倚评估。集群农业对气候韧性具有显著正向效应[合并SMD = 0.55（95% CI: 0.48–0.62），p < 0.001]。异质性显著（I² = 63.86%），但完全由结局测量类型解释。复合韧性指数（composite resilience indices）显示效应最大（SMD = 0.74），其次为实践计数（practice counts，SMD = 0.52）和二分类结局（binary outcomes，SMD = 0.51）。元回归分析显示，信息获取（系数 = 0.2819，p = 0.722）和改良种子获取（系数 = 0.0384，p = 0.502）均不是统计学上显著的调节变量。集群农业显著增强小农户气候韧性，且其效益在不同信息获取和种子质量水平下表现一致。政策制定者应推广综合性的韧性测量，并根据当地基础设施和推广能力对干预措施进行情境化调整。

1. 引言
近期实证研究日益关注集群农业在增强小农户气候韧性中的作用，但报告的影响因背景不同而差异较大，反映研究设计、结局测量和当地条件的差异。缺乏严格的定量综合使得难以确定总体效应量级及研究间差异来源。现有文献的关键局限性在于缺乏效应量的系统估计，多数研究依赖案例特定分析，结果不可直接比较。此外，尽管若干研究承认互补性投入的重要性，但对这些因素如何影响集群农业有效性的实证关注有限，尤其改良种子品种和气候相关信息的获取可能塑造农户适应能力，但其调节效应尚未被充分量化。为弥补上述空白，本研究对集群农业与气候韧性的实证证据进行荟萃分析，提供合并效应估计并评估异质性，同时采用元回归技术检验信息获取和改良种子品种是否系统性地影响观测关系的强度。尽管分析基于全球证据，但通过亚组分析特别关注埃塞俄比亚，因其集群农业在国家农业转型战略中具有政策相关性。本研究建立在作者先前定性系统综述的基础上，采用定量方法聚焦效应量估计和关键调节因素识别，为集群农业影响的量级和条件性提供实证证据。具体目标包括：（1）估计集群农业对气候韧性的总体效应量；（2）开展以埃塞俄比亚为重点的亚组分析；（3）检验信息获取和改良种子品种的调节作用；（4）评估研究间异质性和潜在发表偏倚。

2. 材料与方法
2.1 文章结构
本文遵循标准荟萃分析结构：引言确立研究空白，方法详述检索和统计综合，结果包括合并效应量和元回归，讨论与结论。检索SpringerLink、Web of Science、Elsevier、Wiley Online Library和Google Scholar中与集群农业和气候韧性相关的同行评审期刊文章，时间限制为2000–2025年。初步检索获得179条记录，去除20条重复后，159条记录经标题和摘要筛选，排除48项无关研究，剩余111篇全文评估后排除93项，最终保留18项研究纳入荟萃分析（图1按PRISMA指南生成）。

2.2 综述设计
在文献检索前预先定义纳入和排除标准，以识别检验埃塞俄比亚及类似情境下集群农业、信息获取和改良种子质量之间关联的研究。纳入标准要求：（1）在埃塞俄比亚或类似低收入农业情境开展；（2）发表于同行评审期刊；（3）考察集群农业或相关集体行动模式；（4）报告足够数据以计算标准化均数差或对数优势比。排除标准包括非实证研究、未直接涉及集群农业或气候韧性、缺乏效应量提取所需定量数据的研究。

2.3 数据探索
采用PRISMA框架下的系统检索策略以保证透明和可重复。检索词组合包括“cluster farming”与“climate resilience”“climate adaptation”“adaptive capacity”等，使用布尔运算符（AND/OR），并尽可能应用“Ethiopia”和“Sub-Saharan Africa”等数据库过滤器。纳入研究需提供均值、标准差、样本量或效应量估计及其置信区间等充分统计信息。

2.4 统计分析
使用STATA 18软件。关键自变量为集群农业，结局变量为农户气候韧性策略。因研究间存在变异性，选择随机效应模型：Y_i = μ + τ_i + ε_i，其中Y_i为观测效应，μ为总体平均效应，τ_i为研究i的随机效应，ε_i为残差。固定效应模型为Y_i = μ + ε_i。

2.5 效应量确定
根据Hancock（2001），效应量可通过均值差异计算。标准化均数差用于合并不同研究结果，计算公式为：效应量 = (mean₁ ? mean₂) / SD_pooled，其中SD_pooled = √[(n₁ ? 1)·SD₁² + (n₂ ? 1)·SD₂²] / (N₁ + n₂ ? 1)。该公式用以量化集群农业实践与气候韧性之间的关系强度。

2.6 异质性检验
分析检查不同研究结果间的差异是否显著大于随机抽样误差。采用I²统计量：I² = (Q ? df) / Q × 100，其中Q为异质性统计量，df为自由度。I² = 0%表示无异质性，0–50%为中度，>75%为高度。本荟萃分析结果显示I² = 63.86%，表明集群农业对气候韧性具有可观影响，但存在显著异质性。

2.7 变量操作化
气候韧性被操作化为小农户家庭预期、吸收、适应气候相关冲击并从恢复中维持或改善农业生产力和生计的能力。韧性通过三种测量方式评估：（1）实践计数，列举采取的特定适应行动（适应维度）；（2）二分类，判断农户是否采纳韧性策略（预期维度）；（3）复合指数，整合适应能力和恢复的多项指标。

2.8 质量评价与敏感性评估
采用乔安娜布里格斯研究所（Joanna Briggs Institute, JBI）横断面研究清单评价纳入观察性研究的方法学质量。JBI清单涵盖八个领域：纳入标准明确性、研究对象和情境描述、暴露测量的有效可靠性、条件测量的客观标准、混杂因素识别、混杂处理策略、结局测量的有效可靠性、统计分析的恰当性。质量评分按满足标准数量分级：≥70%（6–8项）为高质量，50–69%（4–5项）为中等质量，<50%（0–3项）为低质量。由两名评审员独立评价，分歧通过共识或第三方解决。敏感性分析通过剔除中等质量研究检验对效应估计的影响。

3. 结果与讨论
3.1 概念定义
气候韧性指小规模农业家庭预见、承受、适应气候冲击并恢复的能力。信息获取指农户通过正式推广服务、广播、移动网络或非正式社交网络获得天气预报、市场价格、农业投入品和气候智能农业实践信息的能力。集群农业是在组织或政策框架内，地理相邻的小农户进行协调土地管理、资源采购、生产和营销策略的集体农业方法。改良种子品种指通过政府机构或合作社提供给农户以提高生产力的农业投入品。风险责任分担指集群成员间共享气候和生产风险责任。

研究发现集群农业并非仅与气候韧性相关，而是通过三条路径促进韧性：（1）更好的数据可达性，集体需求吸引支持服务并加强信息共享；（2）资源效益，共享投入降低成本与威胁，促进灵活结构投资；（3）社会资本创造，信任和联系增强气候压力应对的联合规划。

3.2 文章选择概况
纳入研究涉及不同农户样本（平均样本量 = 326，SD = 225.7，范围 = 84–867）。自变量平均数为12.55，显著变量平均数为7.05。参与集群农业的农户比例为55.25%，参与者比非参与者有更好的信息获取（平均指数 = 40.09）。集群农业参与者在金融服务获取（比非成员高91%）、天气数据获取（增加24.6%）方面表现更优。集群农户采用气候韧性的比例比非参与者高50%。埃塞俄比亚亚组分析显示稳健显著效应（SMD = 0.65），与总体合并效应一致，表明集群农业优势适用于埃塞俄比亚情境。集群农业参与者能够：（1）多样化作物和收入来源；（2）开发集水和灌溉机制；（3）获取信贷和保险设施。95%置信区间重叠表明结果一致性。I² = 63.86%反映不同情境下信息有效性的差异。

3.3 埃塞俄比亚集群农业采用与韧性策略
埃塞俄比亚于2015年引入集群农业，旨在通过共享投入和设备解决土地限制，推动小农户从自给型向商业化转型。集群农业系统具有改善粮食安全、传播农业知识和信息获取三项主要功能。尽管政府参与度较低，但政策承诺较强。随机效应模型估计显示，信息获取（系数 = ?0.2819，p = 0.722）和改良种子获取（系数 = 0.0384，p = 0.502）均不是统计上显著的调节变量，模型解释方差为0%（R² = 0.00%, Wald chi2(2) = 0.55, p = 0.7612）。

3.4 元回归分析
全球荟萃分析显示集群农业与气候韧性显著正相关。埃塞俄比亚亚组分析显示强效应（SMD = 0.65, 95% CI: 0.42–0.88, p < 0.001）。异质性为I² = 63.86%，表明效应依赖具体情境。将信息获取变量从百分比重新标定为0–1尺度后，信息获取（回归系数 = ?0.2819, p = 0.722）和改良种子获取（回归系数 = 0.0384, p = 0.502）均非显著调节因子。这意味着集群农业的效益在不同信息获取和种子质量水平下相对一致，区域效应差异可能归因于其他变量如制度质量、社会资本和市场获取。

3.4.1 按地区亚组分析
埃塞俄比亚7项研究的合并效应为SMD = 0.542（95% CI: 0.470–0.614, p < 0.001），组内异质性极低（I² = 0.0%）。非埃塞俄比亚研究的合并效应为SMD = 0.540（95% CI: 0.467–0.614, p < 0.001），与埃塞俄比亚结果几乎一致。亚组差异无统计学意义（Q_b = 1.19, df = 6, p = 0.977），表明集群农业在不同地区具有相似的气候韧性效果。按结局测量类型分组后，组内变异完全消除（所有亚组I² = 0.0%）。复合指数效应量最大（SMD = 0.74），其次为实践计数（SMD = 0.52）和二分类结局（SMD = 0.51），亚组差异显著（p = 0.049）。

3.4.2 质量评价与敏感性分析
14项研究（77.8%）被评为高质量，4项（22.2%）为中等质量，无低质量研究。中等质量研究的主要缺陷是未控制重要混杂变量或使用可比性较差的对照组。

3.5 发表偏倚诊断检验
Galbraith图显示正斜率回归线，表明集群农业与气候韧性之间的稳定正向关系。Egger回归检验显著（截距 = 2.31, 95% CI: 0.89–3.73, p = 0.032），提示存在小研究效应。漏斗图不对称，左下象限研究较少，可能存在发表偏倚。剪补法（trim-and-fill）显示左侧缺失3项研究，调整后合并SMD = 0.58（95% CI: 0.40–0.76），仍显著（p < 0.001）。

3.5.1 通过方法学见解解决异质性
原始异质性（I² = 63.86%）完全由结局测量方法差异解释。按方法分组后，组内异质性为I² = 0.0%，表明集群农业效应在一致测量下高度可靠可复制。复合韧性指数（SMD = 0.74）显著高于实践计数（SMD = 0.52）和二分类（SMD = 0.51），说明综合工具能更好地捕捉集群农业通过社会资本、知识交流和资源共享等多渠道增强韧性的特征。

3.6 综述局限性
3.6.1 方法学异质性
高统计异质性（I² = 63.86%）表明效应受地方治理、推广服务质量和农业生态条件等情境因素影响，未测量的调节变量可能造成变异性。

3.6.2 发表偏倚
Egger检验显著（p = 0.032）提示潜在发表偏倚，剪补法显示合并效应轻度衰减（SMD = 0.58），但正向效应仍显著。

3.6.3 普适性与范围
仅18项研究，埃塞俄比亚亚组仅8项，限制国家层面估计精度。多数研究为观察性设计，尽管部分使用匹配方法，因果推断仍受限。

3.6.4 测量不一致性
不同研究对气候韧性的测量方式存在差异，但使用SMD缓解了比较困难。

3.6.5 发表偏倚与异质性评估
Egger检验显著（截距 = 2.31, 95% CI: 0.89–3.73, p = 0.032），剪补法加入3项研究后调整合并SMD = 0.58（95% CI: 0.40–0.76, p < 0.001），结果稳健。

4. 结论
荟萃分析首次提供了集群农业提升小农户气候韧性的定量证据，尤其针对埃塞俄比亚。主要结果如下：集群农业显著增强全球小农户气候韧性（合并SMD = 0.541, 95% CI: 0.490–0.592, p < 0.001），埃塞俄比亚同样显著（合并SMD = 0.542, 95%CI: 0.470–0.614, p < 0.001）。信息获取（系数 = ?0.2819, p = 0.722）和改良种子获取（系数 = 0.0384, p = 0.502）均非显著调节因子，先前报道的大系数（208.31和6.905）源于原始元回归中的尺度问题。复合韧性得分效应量（SMD = 0.74）显著大于二分类韧性指标（SMD = 0.51），表明集群农业通过多渠道促进韧性发展。异质性（I² = 63.86%）完全归因于结局测量差异，按测量方法分组后亚组内无异质性（I² = 0%）。

4.1 政策启示
在埃塞俄比亚推广集群农业时，决策者应重点关注：采用一致且全面的韧性测量矩阵以充分评估效益，二分类测量不足以评价该干预。政策评估应认识到不同测量方法产生不同的效应量估计，复合指数提供最全面的概览。所有测量类型均显示正向结果，为扩大集群农业规模提供了充分理由。政策制定者应更多关注制度建设和社会资本积累，这些可能促进集群农业干预的成功。未来研究应考虑社会资本、制度支持、市场整合和治理结构等其他调节变量。项目评估应采用一致、全面的韧性矩阵以捕捉集群农业的全部效益；政策评估应认识到不同测量方法产生不同估计，复合指数最为全面；所有测量类型下的一致正向结果证明集群农业值得推广，无论使用何种测量工具该干预均有效。