城乡一体化如何协同促进粮食安全和农业碳效率？人工智能的调节作用以及不同的发展路径

《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

城乡融合与人工智能协同促进食品安保与农业碳效率协同发展的机制及路径研究。采用耦合协调模型和动态QCA分析，发现城乡融合（URI）显著提升协同度，AI强化其效应，政策优先级影响显著，形成四类协同路径：市场驱动AI增效、保险支撑稳产增效、国内循环生态强化、政策协调综合保障。

　　

孙聪|夏恩军|黄洁萍|童浩天|朱丰田|袁宽

北京工业大学管理学院，北京，100081，中国

摘要

食品安全与农业碳排放效率的协调发展是可持续农业的关键目标。然而，在大规模城乡融合的背景下，尤其是在人工智能（AI）快速发展的情况下，相关机制仍不明确。本文利用2010-2023年的中国面板数据，采用耦合协调模型评估了食品安全指数（FSI）与农业碳排放效率（ACEE）之间的区域耦合协调发展（CCD）。通过双向固定效应模型、调节效应模型、差异分组模型和阈值回归模型分析了城乡融合（URI）与CCD之间的关系，以及AI的调节作用，从而建立了“AI-URI-FSI-ACEE”分析框架。通过动态定性比较分析，研究了技术、农业条件、社会环境和政策对协调发展的影响。研究发现：城乡融合显著促进了CCD的发展，并且这种效应在主要生产区、经济发展水平较低且政策支持较强的地区更为明显。随着AI的进步，城乡在空间、经济和社会方面的融合进一步增强了CCD；而生态融合则从阻碍CCD转变为促进CCD。在优先考虑FSI的情景下，城乡融合的促进效应显著增强，优先级越高，促进作用越明显；AI则表现出显著的正面调节作用。在优先考虑ACEE的情景下，促进效应呈减弱趋势，直至不再显著。尽管AI本身没有显著的主效应，但它通过推动城乡融合过程继续发挥着关键的调节作用。研究确定了四种典型的发展路径：市场驱动的AI效率提升路径、保险支持的稳定生产和效率提升路径、以国内循环为导向的生态强化路径以及政策协调的综合保障路径。这些政策优先路径之间存在差异。本研究为政策制定者提供了参考，以采取定制策略实现食品安全与低碳发展的双赢目标。

引言

在全球气候变化和人口增长的背景下，平衡食品安全与农业碳效率变得至关重要。食品安全对国民经济和人民生计至关重要，而农业生产是温室气体排放的主要来源（Tian等人，2021年）。实际上，这两个目标之间常常存在矛盾：追求高产量可能会加剧资源消耗和排放（Elahi等人，2024年），而严格的减排限制可能会限制生产技术的应用和产量，从而对粮食供应的稳定性构成潜在风险（Zhao等人，2018年）。然而，仅仅将这视为零和游戏是不全面的。越来越多的证据表明，通过技术创新、管理优化和制度设计，可以在“供应安全”和“减排”方面实现协同增效（Sun等人，2024a）。例如，精准农业技术可以在不增加投入或减少投入的情况下维持或提高产量；而生态农业模式可以同时增强土壤碳封存能力和长期生产力。这提出了一个重要的科学问题：在什么驱动机制和条件下，食品安全与农业碳排放效率可以从相互制约转变为协同发展？这对于克服传统困境和制定“双赢”政策具有重要的理论和实践意义。

城乡融合（URI）作为一种宏观层面的过程，重塑了资源分配和生产模式，是影响食品安全与农业碳排放效率协同发展的关键因素。理论上，它促进了现代要素（资本、技术、数据）向农村的流入，可能通过技术升级和规模经济提高粮食生产力，同时通过绿色技术和效率提升降低碳强度。然而，其净效应仍有争议且取决于具体背景。积极的一面是，URI使得低碳实践（如智能灌溉、精准施肥）能够提高效率（Lei等人，2025年；Zhu等人，2024年）；消极的一面是，快速城市化可能会侵蚀优质耕地，将农业转移到生态脆弱地区，从而增加排放强度（Sha等人，2025年），特别是在发达地区（Xu等人，2024年）。因此，其净影响取决于要素分配：高投入、高排放模式的集中会加剧环境压力，而生态农业和精准管理则有助于促进协同发展。鉴于这些复杂性，明确URI影响“食品安全-碳排放”关系的路径和条件对于指导可持续战略至关重要。

人工智能（AI）的兴起引入了一个关键变量，塑造了城乡融合的效果。AI不仅是一种生产要素，还是一种使生产决策、资源管理和系统连接性发生变革的赋能技术。在农业领域，AI通过智能灌溉、病虫害监测和产量预测提高了精准农业的水平，显著提升了资源利用效率（Sarku等人，2023年；Usigbe等人，2024年）。在碳管理方面，AI驱动的变量施肥、智能机械调度和碳核算系统优化了生产过程，同时减少了排放（Parra-López等人，2024年；Zhou等人，2024a）。因此，AI可能直接改善“生产-排放”之间的平衡。更重要的是，AI可能间接重塑城乡融合本身。AI驱动的供应链增强了城乡市场连接性，减少了产后损失，而智能分析则引导资本投向减排技术（Eng?s等人，2023年；Sachithra和Subhashini，2023年）。然而，现有研究缺乏对AI如何调节城乡融合对“食品安全-碳效率”协同效应影响的系统分析，特别是在政策特定异质性方面。

基于这一分析，本研究以中国——世界上最大的粮食生产国和农业碳排放国——为研究对象，利用2010-2023年的省级面板数据建立了“AI-URI-FSI-ACEE”分析框架。中国的快速城市化、小规模农户与大规模农业的共存以及政府主导的农村振兴和智慧农业政策为研究AI驱动的城乡融合效应提供了理想的环境。各地区在经济发展、资源禀赋和政策支持方面的显著差异有助于揭示技术-政策-结构转型的普遍模式。尽管具体机制可能因制度背景而异，但中国在AI促进要素流动、生产优化和碳效率提升方面的实践为发展中国家平衡食品安全与低碳转型提供了宝贵经验。通过耦合协调模型、双向固定效应模型、调节效应模型和动态QCA，本研究探讨了以下问题：（1）城乡融合如何影响食品安全与农业碳排放效率的协同发展？（2）AI是否放大了这种影响？地区差异、发展水平或政策优先级是否导致了异质性？（3）哪些路径能够实现高水平的协同发展？这些发现为AI时代的可持续农业提供了关于“生产-排放”协同效应的新视角和基于证据的政策建议。

本研究在理论、方法论和应用方面进行了创新：理论上，它将AI技术、城乡融合和农业双重目标整合到一个统一的框架中，重点从经济影响转向可持续发展，同时揭示了AI如何优化资源分配和政策效率，以实现食品安全与低碳农业的协调。实证上，它不仅证实了城乡融合和AI的联合效应，还揭示了不同政策情景和地区条件下的异质性，确定了多种等效的协同发展路径。在实际应用中，它为制定定制的智慧农业策略提供了依据。

其余部分的组织结构如下：第2节回顾文献；第3节构建理论框架和假设；第4节描述方法论和数据；第5节展示结果和讨论；第6节总结政策建议。

部分摘录

食品安全与农业碳排放

食品安全的概念已经从单纯关注产量发展到涵盖可用性、可及性、利用效率和稳定性的多维目标（Jones等人，2013年），这些目标受到农业生产、资源禀赋、技术进步和政策干预的影响（Liu和Zhou，2021年；Su等人，2023年；Sun等人，2024b年）。气候变化和农业食品系统的排放加剧了全球风险，特别是对技术受限的发展中国家构成了威胁（He等人，2024年）。

城乡融合与食品安全-农业碳排放效率

作为中国新型城市化战略的核心，城乡融合已从最初的要素流动发展为涵盖空间、经济、社会和生态维度的综合系统（Ma等人，2022年）。它通过改善要素流动、资源效率和政策协调，提高了农业生产力和低碳转型（Wang和Fang，2025年）。在空间上，城乡融合重构了空间格局，提升了基础设施连接性，并优化了土地使用。

耦合协调模型

本研究评估了食品安全指数（FSI）与农业碳排放效率（ACEE）系统之间的协同关系，而不是分别评估它们。基于系统科学的耦合协调度模型（Liu和Ren，2023年；Sun等人，2024b）有效地量化了多系统互动和协调发展，非常适合研究FSI-ACEE的协同效应。该模型包括：$T=aFI+bAE$$CC=\sqrt{C}$

C 表示它们的耦合程度。T 是综合协调指数

基准回归

根据Hausman检验结果，采用了双向固定效应模型进行估计（表3）。模型（1）和（2）分别展示了有无控制变量的结果。城乡融合对CCD具有显著的正面影响（1%水平），证实了城乡融合是可持续农业转型的结构性驱动因素。这与H. Tian等人（2024年）的研究结果一致，表明消除城乡二元性有助于提高资源分配效率。

主要结论

本研究系统地探讨了城乡融合如何促进食品安全指数（FSI）与农业碳排放效率（ACEE）的协调发展。它建立了一个综合分析框架，涵盖了农业、城乡系统、食品安全和碳排放，同时确定了中国可持续转型的路径。主要发现包括：

城乡融合是CCD的关键驱动因素，但其效果在不同地区存在差异。在主要粮食生产区，这种影响最为显著，尤其是在经济发展水平较低的地区。

CRediT作者贡献声明

孙聪：数据整理、方法论、项目管理、软件开发、初稿撰写、审稿与编辑。夏恩军：概念构思、项目管理、监督。黄洁萍：资金筹集、审稿与编辑。童浩天：数据整理、可视化。朱丰田：数据整理、资源协调。袁宽：方法论研究、项目管理。

利益冲突声明

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家自然科学基金 [资助编号 72274016]的支持。