行为理论与土地利用模型融合视角下巴西亚马逊农业集约化的生产者决策机制及其可持续性研究

本期推荐的研究通过半结构化访谈与行为理论框架，深入剖析了巴西亚马逊地区农业生产者集约化决策的驱动与制约因素。研究创新性地将实证发现与土地利用模型（ABM/ASM/CGE）相衔接，揭示风险规避（CPT/EUT理论）和知识缺口等关键行为变量在现有模型中的表征不足，为提升土地用途预测准确性提供了重要理论依据（GHG排放/土壤有机碳SOC等环境指标评估）。

　　

研究背景与意义

全球土地压力持续上升使农业部门土地集约化利用成为各国关注焦点。巴西亚马逊作为全球毁林率最高区域，其农业土地利用决策对森林生态系统、生物多样性丧失、温室气体（GHG）排放和土壤退化产生重大环境影响。尽管农业集约化被提议作为减缓森林压力的可持续途径，但其环境风险（如农化品使用增加和农业扩张）仍存在争议。现有土地利用模型多基于理想化经济原则（效用最大化），缺乏与社会科学实证研究的衔接，导致预测结果可信度存疑。

理论框架与方法创新

本研究构建整合多理论的行为分析框架（涵盖预期效用理论EUT、累积前景理论CPT、计划行为理论TPB等），通过25场半结构化访谈采集31位农场管理者数据，采用最大变异抽样覆盖不同年龄、生产类型（16位牧场主/9位作物生产者）和土地规模（牧场平均200ha/作物农场415ha）的样本。定性内容分析采用演绎-归纳混合编码策略，并辅以40位土地利用模型专家的标准化调查，评估ABM（Agent-Based Model）、ASM（Agricultural Sector Model）和CGE（Computable General Equilibrium）三类模型对行为因素的表征能力。

关键实证发现

行为动机与态度差异

经济收益是集约化的核心驱动力，大豆-玉米双季作物的年化收益显著高于畜牧生产。但风险规避态度显著抑制牧场向作物转化：年老生产者因经历气候灾害（收获期暴雨导致大豆霉变）而更倾向稳定的畜牧业，年轻世代则更愿尝试集约化。对畜牧业的文化认同（"我爱牛"——受访者R25）与传统主义价值观进一步延缓转型。林业整合因投资回报周期长（"我活不到30年后伐木"——R06）和市场不确定性遭遇普遍质疑。

能力与资源约束

知识缺口是重要制约因素，缺乏作物种植经验的牧场主视转型为高风险投资。资源可及性（土地权属缺失导致信贷获取困难、劳动力短缺、机械不可及）阻碍资本密集型转型。小规模生产者（≤300ha）因无法实现规模经济而放弃集约化，土地交易成为前置条件，这可能引发杰文斯悖论（Jevons Paradox）导致的间接土地利用变化。

环境与市场因素

地形坡度与岩石土壤限制机械作业，而入侵性杂草（如capim louco）反而促使牧场向作物转化。气候因素呈现双重影响：降水充沛吸引南部农民迁入，但收获期暴雨造成作物损失。尽管实证记录显示1980年代以来降水减少，生产者普遍否认气候变化影响。市场方面，土地价格飙升（"土地就是金钱"——R07）既阻碍小农扩张，又推动资本密集型转型，木材市场不确定性则抑制林业发展。

制度政策瓶颈

地权缺失（仅6位生产者持有地契）和环境制裁（作物生产面临更严厉的砍伐处罚）构成制度性障碍。环境检查虽可能遏制非法毁林，但也抑制合规生产者投资作物生产的意愿，与先前研究认为检查促进集约化的结论形成反差。

模型表征差距

专家调查显示现有模型较好表征市场均衡和自然环境（3/4专家认可），但风险规避在全部模型类型中表征最差（ABM/ASM/CGE均低于2.5分评分）。基础设施表征不足（仅半数专家认可），而行动者特性（知识/年龄）和资源可及性在ABM中表征相对较好。模型改进主要受数据可获得性（非计算能力）限制，专家建议通过全球模型与区域显式模型耦合提升预测力。

区域未来情景

生产者预期15年内大豆种植将沿BR-163公路向平坦合法区域扩张，畜牧业退至丘陵地带。土地兼并加剧（"土地集中于更少但更大的持有者"）与基础设施升级伴随发生，但林业整合（即使作为ABC计划关键组件）未被纳入预期。金矿开采和木材产业预计萎缩，但地权混乱和政策不确定性使远期展望存疑。

理论贡献与模型启示

研究证实经济激励驱动性符合CGE/ASM的优化理论基础，但风险规避（需通过CPT概率加权和损失厌恶建模）、行为态度（TPB框架）和能力约束（COM-B系统）的缺失导致模型高估集约化潜力。建议通过风险选择实验采集风险偏好数据，加强ABM对异质性行为主体的表征，采用显式（非隐式）变量提升基础设施和行动者约束的表征精度。

局限与展望

样本集中于全职商品化生产者（未涵盖生计农业），政治敏感期（总统大选前）的抽样偏差可能影响结果普适性。建议后续开展跨农业前沿区的定量调查，并细化政策制度因素在模型中的表征评估。研究提供的本地化情景叙事（如公路沿线作物扩张绝对性）可为现有可持续发展情景（如Gollnow等人2018年研究）的参数优化提供实证依据。