城鄉一體化如何協同促進糧食安全和農業碳效率？人工智能的調節作用以及不同的發展路徑
《Journal of Rural Studies》：How does urban-rural integration synergize food security and agricultural carbon efficiency? The moderating role of artificial intelligence and heterogeneous pathways
【字體：
大 中 小
時間：2026年02月28日
來源：Journal of Rural Studies 5.7
編輯推薦：
城鄉融合與人工智能協同促進食品安保與農業碳效率協同發展的機制及路徑研究。采用耦合協調模型和動態QCA分析，發現城鄉融合（URI）顯著提升協同度，AI強化其效應，政策優先級影響顯著，形成四類協同路徑：市場驅動AI增效、保險支撐穩產增效、國內循環生態強化、政策協調綜合保障。
孫聰|夏恩軍|黃潔萍|童浩天|朱豐田|袁寬
北京工業大學管理學院，北京，100081，中國
摘要 食品安全與農業碳排放效率的協調發展是可持續農業的關鍵目標。然而，在大規模城鄉融合的背景下，尤其是在人工智能（AI）快速發展的情況下，相關機制仍不明確。本文利用2010-2023年的中國面板數據，采用耦合協調模型評估了食品安全指數（FSI）與農業碳排放效率（ACEE）之間的區域耦合協調發展（CCD）。通過雙向固定效應模型、調節效應模型、差異分組模型和閾值回歸模型分析了城鄉融合（URI）與CCD之間的關系，以及AI的調節作用，從而建立了“AI-URI-FSI-ACEE”分析框架。通過動態定性比較分析，研究了技術、農業條件、社會環境和政策對協調發展的影響。研究發現：城鄉融合顯著促進了CCD的發展，并且這種效應在主要生產區、經濟發展水平較低且政策支持較強的地區更為明顯。隨著AI的進步，城鄉在空間、經濟和社會方面的融合進一步增強了CCD；而生態融合則從阻礙CCD轉變為促進CCD。在優先考慮FSI的情景下，城鄉融合的促進效應顯著增強，優先級越高，促進作用越明顯；AI則表現出顯著的正面調節作用。在優先考慮ACEE的情景下，促進效應呈減弱趨勢，直至不再顯著。盡管AI本身沒有顯著的主效應，但它通過推動城鄉融合過程繼續發揮著關鍵的調節作用。研究確定了四種典型的發展路徑：市場驅動的AI效率提升路徑、保險支持的穩定生產和效率提升路徑、以國內循環為導向的生態強化路徑以及政策協調的綜合保障路徑。這些政策優先路徑之間存在差異。本研究為政策制定者提供了參考，以采取定制策略實現食品安全與低碳發展的雙贏目標。
引言 在全球氣候變化和人口增長的背景下，平衡食品安全與農業碳效率變得至關重要。食品安全對國民經濟和人民生計至關重要，而農業生產是溫室氣體排放的主要來源（Tian等人，2021年）。實際上，這兩個目標之間常常存在矛盾：追求高產量可能會加劇資源消耗和排放（Elahi等人，2024年），而嚴格的減排限制可能會限制生產技術的應用和產量，從而對糧食供應的穩定性構成潛在風險（Zhao等人，2018年）。然而，僅僅將這視為零和游戲是不全面的。越來越多的證據表明，通過技術創新、管理優化和制度設計，可以在“供應安全”和“減排”方面實現協同增效（Sun等人，2024a）。例如，精準農業技術可以在不增加投入或減少投入的情況下維持或提高產量；而生態農業模式可以同時增強土壤碳封存能力和長期生產力。這提出了一個重要的科學問題：在什么驅動機制和條件下，食品安全與農業碳排放效率可以從相互制約轉變為協同發展？這對于克服傳統困境和制定“雙贏”政策具有重要的理論和實踐意義。
城鄉融合（URI）作為一種宏觀層面的過程，重塑了資源分配和生產模式，是影響食品安全與農業碳排放效率協同發展的關鍵因素。理論上，它促進了現代要素（資本、技術、數據）向農村的流入，可能通過技術升級和規模經濟提高糧食生產力，同時通過綠色技術和效率提升降低碳強度。然而，其凈效應仍有爭議且取決于具體背景。積極的一面是，URI使得低碳實踐（如智能灌溉、精準施肥）能夠提高效率（Lei等人，2025年；Zhu等人，2024年）；消極的一面是，快速城市化可能會侵蝕優質耕地，將農業轉移到生態脆弱地區，從而增加排放強度（Sha等人，2025年），特別是在發達地區（Xu等人，2024年）。因此，其凈影響取決于要素分配：高投入、高排放模式的集中會加劇環境壓力，而生態農業和精準管理則有助于促進協同發展。鑒于這些復雜性，明確URI影響“食品安全-碳排放”關系的路徑和條件對于指導可持續戰略至關重要。
人工智能（AI）的興起引入了一個關鍵變量，塑造了城鄉融合的效果。AI不僅是一種生產要素，還是一種使生產決策、資源管理和系統連接性發生變革的賦能技術。在農業領域，AI通過智能灌溉、病蟲害監測和產量預測提高了精準農業的水平，顯著提升了資源利用效率（Sarku等人，2023年；Usigbe等人，2024年）。在碳管理方面，AI驅動的變量施肥、智能機械調度和碳核算系統優化了生產過程，同時減少了排放（Parra-López等人，2024年；Zhou等人，2024a）。因此，AI可能直接改善“生產-排放”之間的平衡。更重要的是，AI可能間接重塑城鄉融合本身。AI驅動的供應鏈增強了城鄉市場連接性，減少了產后損失，而智能分析則引導資本投向減排技術（Eng?s等人，2023年；Sachithra和Subhashini，2023年）。然而，現有研究缺乏對AI如何調節城鄉融合對“食品安全-碳效率”協同效應影響的系統分析，特別是在政策特定異質性方面。
基于這一分析，本研究以中國——世界上最大的糧食生產國和農業碳排放國——為研究對象，利用2010-2023年的省級面板數據建立了“AI-URI-FSI-ACEE”分析框架。中國的快速城市化、小規模農戶與大規模農業的共存以及政府主導的農村振興和智慧農業政策為研究AI驅動的城鄉融合效應提供了理想的環境。各地區在經濟發展、資源稟賦和政策支持方面的顯著差異有助于揭示技術-政策-結構轉型的普遍模式。盡管具體機制可能因制度背景而異，但中國在AI促進要素流動、生產優化和碳效率提升方面的實踐為發展中國家平衡食品安全與低碳轉型提供了寶貴經驗。通過耦合協調模型、雙向固定效應模型、調節效應模型和動態QCA，本研究探討了以下問題：（1）城鄉融合如何影響食品安全與農業碳排放效率的協同發展？（2）AI是否放大了這種影響？地區差異、發展水平或政策優先級是否導致了異質性？（3）哪些路徑能夠實現高水平的協同發展？這些發現為AI時代的可持續農業提供了關于“生產-排放”協同效應的新視角和基于證據的政策建議。
本研究在理論、方法論和應用方面進行了創新：理論上，它將AI技術、城鄉融合和農業雙重目標整合到一個統一的框架中，重點從經濟影響轉向可持續發展，同時揭示了AI如何優化資源分配和政策效率，以實現食品安全與低碳農業的協調。實證上，它不僅證實了城鄉融合和AI的聯合效應，還揭示了不同政策情景和地區條件下的異質性，確定了多種等效的協同發展路徑。在實際應用中，它為制定定制的智慧農業策略提供了依據。
其余部分的組織結構如下：第2節回顧文獻；第3節構建理論框架和假設；第4節描述方法論和數據；第5節展示結果和討論；第6節總結政策建議。
部分摘錄 食品安全與農業碳排放 食品安全的概念已經從單純關注產量發展到涵蓋可用性、可及性、利用效率和穩定性的多維目標（Jones等人，2013年），這些目標受到農業生產、資源稟賦、技術進步和政策干預的影響（Liu和Zhou，2021年；Su等人，2023年；Sun等人，2024b年）。氣候變化和農業食品系統的排放加劇了全球風險，特別是對技術受限的發展中國家構成了威脅（He等人，2024年）。
城鄉融合與食品安全-農業碳排放效率 作為中國新型城市化戰略的核心，城鄉融合已從最初的要素流動發展為涵蓋空間、經濟、社會和生態維度的綜合系統（Ma等人，2022年）。它通過改善要素流動、資源效率和政策協調，提高了農業生產力和低碳轉型（Wang和Fang，2025年）。在空間上，城鄉融合重構了空間格局，提升了基礎設施連接性，并優化了土地使用。
耦合協調模型 本研究評估了食品安全指數（FSI）與農業碳排放效率（ACEE）系統之間的協同關系，而不是分別評估它們。基于系統科學的耦合協調度模型（Liu和Ren，2023年；Sun等人，2024b）有效地量化了多系統互動和協調發展，非常適合研究FSI-ACEE的協同效應。該模型包括：C = 2 [ ( F S I ? A E ) ( F S +A E ) 2 ] 1 2 T = a F I + b A E C C = C
C 表示它們的耦合程度。T 是綜合協調指數
基準回歸 根據Hausman檢驗結果，采用了雙向固定效應模型進行估計（表3）。模型（1）和（2）分別展示了有無控制變量的結果。城鄉融合對CCD具有顯著的正面影響（1%水平），證實了城鄉融合是可持續農業轉型的結構性驅動因素。這與H. Tian等人（2024年）的研究結果一致，表明消除城鄉二元性有助于提高資源分配效率。
主要結論 本研究系統地探討了城鄉融合如何促進食品安全指數（FSI）與農業碳排放效率（ACEE）的協調發展。它建立了一個綜合分析框架，涵蓋了農業、城鄉系統、食品安全和碳排放，同時確定了中國可持續轉型的路徑。主要發現包括：
城鄉融合是CCD的關鍵驅動因素，但其效果在不同地區存在差異。在主要糧食生產區，這種影響最為顯著，尤其是在經濟發展水平較低的地區。
CRediT作者貢獻聲明 孫聰： 數據整理、方法論、項目管理、軟件開發、初稿撰寫、審稿與編輯。夏恩軍： 概念構思、項目管理、監督。黃潔萍： 資金籌集、審稿與編輯。童浩天： 數據整理、可視化。朱豐田： 數據整理、資源協調。袁寬： 方法論研究、項目管理。
利益沖突聲明 作者聲明他們沒有已知的財務利益沖突或個人關系可能影響本文的研究結果。
致謝 本研究得到了國家自然科學基金 [資助編號 72274016]的支持。
生物通微信公眾號
生物通新浪微博
今日動態 |
人才市場 |
新技術專欄 |
中國科學人 |
云展臺 |
BioHot |
云講堂直播 |
會展中心 |
特價專欄 |
技術快訊 |
免費試用
版權所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯系信箱：
粵ICP備09063491號
