马里小农采用气候智能型农业实践的情况及其对粮食安全的影响

《Food Security》：On-farm adoption and impacts of climate-smart agricultural practices on food security of smallholder farmers in Mali

　　摘要
本文研究了五种气候智能型农业（CSA）实践（最小耕作、调整播种日期、使用气候智能型品种、作物多样化以及植树）在马里的小农户中的采纳情况及其对粮食安全的影响，这些实践涵盖了四个农业生态区以及谷物和豆类种植系统。通过结合参数和非参数测试以及多项式内生处理效应模型，研究结果表明，CSA实践在苏丹-几内亚地区被采纳的程度最高，而在萨赫勒地区被采纳的程度最低。此外，与种植玉米的农户相比，种植高粱的农户更不愿意采用CSA实践，如作物多样化。家庭规模和获得推广服务的机会是影响大多数CSA实践采纳的两个积极因素。在影响分析方面，我们发现最小耕作是唯一显著降低谷物生产家庭粮食不安全性的CSA实践（减少了94%），而所有五种CSA实践都显著提高了家庭的饮食多样性（特别是调整播种日期和作物多样化分别提高了50%和30%）。为了提高该国的气候适应能力和粮食安全，应在苏丹-萨赫勒地区和萨赫勒地区大力推广推广和技术支持，特别是针对高粱种植区。

1 引言
马里仍然面临较高的饥饿和营养不良问题，这些问题因气候变化和萨赫勒地区的战争而加剧。该国在全球粮食安全指数中排名第85位，营养不良的患病率为9.8%，预计到2030年饥饿情况将显著增加（FAO, 2023；全球粮食安全指数, 2022）。预计降水和温度的变化将对作物产量和畜牧业产生负面影响（CIAT等, 2020），因此需要制定政策和创新措施来增强马里农民应对气候变化的能力，并使农业食品系统更加可持续。气候智能型农业（CSA）已成为提高农民应对气候变化能力的一种流行方法，因为它有助于实现三重收益：提高生产力、增强适应能力和减少温室气体排放（Lipper等, 2014）。有证据表明，撒哈拉以南非洲的小农户正在逐步采用CSA技术或实践，这些技术或实践有助于改善他们的生计，尽管采纳率仍然较低且存在一些障碍（Abegaz等, 2024；Barasa等, 2021；Silva等, 2024；Ogisi & Begho, 2023）。在马里，国际倡议如非洲联盟的非洲农业综合发展计划（CAADP）、非洲农业适应倡议（AAA）和联合国气候变化框架公约（UNFCC）巴黎协定得到了当局的认可（NEPAD, 2003；联合国, 2015）。此外，当地倡议如CSA国家概况和CSA投资计划（CIAT等, 2020；世界银行, 2019）也被实施，以确定与国家农业战略和全球倡议一致的具体干预措施，并可通过公共和私营部门合作伙伴提供资金支持。在马里，已经推广了几种CSA实践（Andrieu等, 2017；CIAT等, 2020；世界银行, 2019）。首先，在作物生产方面，尤其是谷物（玉米、小米、大米和高粱），主要的CSA技术或实践包括耕作技术、作物多样化、气候智能型品种、等高线垄作、Za?坑和堆肥。其次，在豆类（豇豆和花生）方面，主要的CSA技术或实践包括气候智能型品种、双用途作物（食品和饲料）和黄曲霉素管理。第三，在畜牧业方面，主要的CSA技术或实践包括饲料作物和饲料补充剂。尽管有一些研究尝试调查CSA实践对马里小农户福利的影响，但现有文献没有考虑不同的农业生态区、不同的农艺实践和种植的作物类型。从总体角度来看，将不同的农业生态区、农艺实践和种植的作物类型纳入分析将有助于推广CSA实践并改善小农户福利的普遍性。事实上，有针对性的建议，包括对CSA实践采纳的补贴和推广优先事项，需要基于区域和作物的具体证据（Kirina等, 2022）。此外，从马里的角度来看，该国在农业生态多样性、现有农艺实践与CSA实践的相互作用、主要种植作物的类型以及社会经济和制度约束方面存在显著差异（CIAT等, 2020；?lkers等, 2025；Paracchini等, 2020；Timler等, 2014）。因此，关于马里CSA实践采纳和小农户福利的建议应考虑不同的农业生态区、农艺实践和主要的农业系统。换句话说，农业生态区、农艺实践和种植的作物类型决定了CSA实践在技术上是否可行、经济上是否有吸引力以及社会上是否可接受（Minang等, 2014），从而决定了谁会采纳这些实践以及由此产生的福利效应。这引发了关于在马里不同背景下CSA实践采纳和福利影响的有效推广和内部有效性的问题。Ouédraogo等（2019）使用平均处理效应框架得出了马里气候智能型村庄（CSV）站点8种CSA技术（耐旱作物品种、微量施肥、有机肥料、间作、等高线耕作、农民管理的自然再生、农林业和气候信息服务）的潜在采纳率的一致参数估计值。他们发现，采纳率最高的技术是有机肥料，最低的是间作。他们还发现，由于CSA技术的普及不完全（缺乏意识），采纳率存在2%到16%的差距。尽管这项研究有助于了解CSA技术的采纳水平及其驱动因素，但它仅关注了马里的塞古地区，并未区分不同类型的作物。Sanogo等（2023）研究了影响马里水稻种植系统中农民采纳CSA实践的因素，发现作物多样化、改良的水稻品种、轮作、植树、微量有机肥料和微量矿物肥料得到了农民的广泛采纳。他们还确定了成功采纳CSA实践的关键障碍：投入有限、对技术的控制不足、劳动力不足、苗木或重新造林的成本过高、缺乏关于先进技术的信息，以及妇女和青年获得土地的机会有限。然而，该研究仅关注水稻种植和马里的锡卡索地区。关于CSA实践对马里小农户福利的影响，Traoré等（2021）评估了等高线垄作、微量施肥、间作、Za?坑和适应性作物品种等CSA技术对小农户粮食自给自足的贡献。他们发现，间作和微量施肥的使用将粮食不安全家庭的比例降低了13%，相当于粮食不安全减少了60%。然而，该研究仅关注了苏丹-萨赫勒地区，并未区分种植谷物的农民和种植豆类的农民。Bello等（2024）研究了多种CSA技术的采纳对马里（以及尼日尔）小农户福利（通过作物销售收入和收入来衡量）的影响。他们发现，多种CSA技术的联合采纳在大多数情况下提高了作物销售收入和收入。然而，该研究未区分不同的农业生态区和农民种植的作物类型。Tabe-Ojong等（2023）研究了CSA、产量和粮食安全在马里（以及加纳和尼日利亚）之间的关系，发现使用气候智能型花生品种与产量和粮食安全有最强的关联。尽管该研究考虑了谷物和豆类作物，但结果并未明确区分种植谷物的农民和种植豆类的农民。本研究的总体目标是研究5种CSA实践（最小耕作、调整播种日期、使用气候智能型品种、作物多样化和植树）的采纳情况及其对马里小农户粮食安全的影响。具体而言，本研究旨在：（i）比较4个不同农业生态区（苏丹-几内亚、苏丹、苏丹-萨赫勒和萨赫勒）以及基于谷物和豆类的种植系统中选定CSA实践的采纳率；（ii）确定影响农民采纳CSA实践的社会经济、制度和农场层面的决定因素；（iii）评估CSA采纳对家庭粮食安全结果的影响，特别是粮食可用性和饮食多样性。通过解决这些目标，本研究旨在提供基于证据的见解，以指导政策和干预措施，从而扩大CSA实践的规模并增强萨赫勒地区农民应对气候变化的能力。基于已识别的知识空白和研究目标，我们提出了三个研究问题：（i）CSA采纳在农业生态区和种植系统中的差异；（ii）影响农民采纳决策的因素；（iii）CSA采纳对家庭粮食安全的影响。据此，我们假设不同农业生态区的采纳率存在显著差异，获得推广服务的机会和家庭规模增加了采纳的可能性，作物类型影响采纳行为，CSA采纳对粮食安全结果有积极影响。我们利用了2024年在马里6个地区（Kayes、Koulikoro、Segou、Sikasso、Mopti和Nara）收集的家庭和农场层面数据，这些数据来自气候智能型农业技术（CSAT）项目和农业企业、农业食品和市场的包容性发展（InCAM）项目的背景，并结合了参数和非参数测试以及多项式内生处理效应模型。根据数据集，玉米、小米和高粱是马里主要的谷物作物，无论是从地块数量还是种植面积来看。同样，豇豆和花生是马里主要的豆类作物，无论是从地块数量还是种植面积来看。这些作物对于应对撒哈拉以南非洲的粮食安全和营养挑战非常重要（Nabuuma等, 2022）。本文的其余部分安排如下。在下一节中，我们将介绍用于分析的材料和方法。然后，我们将展示结果并对其进行讨论。最后，我们得出结论并提供政策建议和进一步实证分析的方向。

2 材料和方法
2.1 研究区域和数据来源的描述
本研究是在马里的气候智能型农业技术（CSAT）项目和农业企业、农业食品和市场的包容性发展（InCAM）项目的框架下进行的。这两个项目旨在引入能够提高农村社区适应能力的CSA实践或技术，但覆盖了马里的不同地区。用于进行农村家庭调查的抽样方法和问卷是独特的。主要区别在于，在某些特定地区进行的家庭调查是由特定项目资助的，以确保收集到横截面数据。数据收集工作于2024年完成，涵盖了6个地区（Kayes、Koulikoro、Segou、Sikasso、Mopti和Nara），重点关注国家的安全区域，这意味着我们的研究结果不能推广到马里北部的不安全地区。我们采用了多阶段分层抽样方法来选择被调查的家庭。首先，根据关键特征（谷物和豆类生产的强度、可及性和安全性）选择地区。然后，在每个地区内选择若干个公社。此外，在每个选定的公社中，再选择干预组和非干预组村庄。对于每个干预组村庄，都会选择一个类似的非干预组村庄，考虑的因素包括主要目标作物的生产情况、人口规模、可及性和安全性等。为了防止可能的溢出效应，非干预组村庄被安排得远离干预组村庄。最后一步是根据推广服务提供的抽样框架，在每个村庄内随机选择家庭。为了最小化选择偏差的影响，非干预组家庭的选取标准与项目选择干预组家庭的标准相同：居住在村庄内、以农业为主要职业、愿意提供部分农田用于试验、示范、种子繁殖和改良品种的推广。总共收集了8391块田地和3709个家庭的数据。图1显示了用于农村家庭调查的地区分布，这些地区分布在4个农业生态区：苏丹-几内亚区、苏丹区、苏丹-萨赫勒区和萨赫勒区。萨赫勒区包括Mopti和Nara地区，降雨量适中，以种植旱地谷物（小米和高粱）和豆类（花生）为主；而苏丹-几内亚区包括Sikasso地区，降雨量丰富，以种植水稻、玉米和块茎作物为主。苏丹区和苏丹-萨赫勒区则介于上述两个区域之间。

2.2 概念框架
马里小农户采用可持续农业（CSA）实践与粮食安全之间的联系可以通过可持续生计方法（SLA）（Serrat, 2017）来理解。该方法有助于概念化马里小农户如何在特定的脆弱性背景下（受农业生态区的影响），结合各种生计资产（人力、社会、物质、财务和自然资源），在制度和政策环境的影响下采用CSA实践作为生计策略。这一策略会影响马里小农户的生计结果，包括家庭粮食安全。图2展示了基于SLA的概念框架的可视化图示。

2.3 测量CSA实践的采用情况及其对农民粮食安全的影响
为了衡量CSA实践的采用情况及其对农民粮食安全的影响，我们使用了多项式内生处理效应模型（METE）。METE用于分析从多个选项中精确选择一个处理方式对特定结果的影响（Deb和Trivedi, 2006a）。在存在不可观测特征的选择效应和处理变量具有多个类别的情况下，也可以使用多项式内生转换回归模型（MESR）。然而，METE相比MESR有一些优势。首先，METE可以分析离散的、计数的、被审查的或连续的结果变量（Deb和Trivedi, 2006b）。其次，METE能够区分基于可观测特征的选择和基于不可观测特征的选择，并允许测试选择效应的显著性（Deb和Trivedi, 2006b）。

2.3.1 选择CSA实践和衡量其对农民粮食安全的影响
为了衡量CSA实践的采用情况及其对农民粮食安全的影响，我们使用了多项式内生处理效应模型（METE）。METE用于分析从多个选项中精确选择一个处理方式对特定结果的影响（Deb和Trivedi, 2006a）。在存在不可观测特征的选择效应和处理变量具有多个类别的情况下，也可以使用多项式内生转换回归模型（MESR）。然而，METE有一些优势。首先，METE可以分析离散的、计数的、被审查的或连续的结果变量（Deb和Trivedi, 2006b）。其次，METE能够区分基于可观测特征的选择和基于不可观测特征的选择，并允许测试选择效应的显著性（Deb和Trivedi, 2006b）。

3.1 描述性统计和CSA实践的采用情况
表1展示了各农业生态区内家庭的人口统计、社会经济、农场和农村特征的描述性统计。在人口统计特征方面，我们注意到不同农业生态区的家庭之间存在显著差异。苏丹-几内亚区的家庭中，受过教育的家庭主人的比例最高（47.9%），家庭规模也最大（13.7%），而萨赫勒区的家庭中，受过教育的家庭主人比例最低（9.7%）。此外，苏丹区的家庭规模最小（5.5%）。在社会经济特征方面，我们发现苏丹-几内亚地区的家庭信贷获取率最高（58.3%），而萨赫勒地区的家庭信贷获取率最低（3.7%）。同时，苏丹-几内亚地区的家庭年收入最高（3,989,535法郎），而苏丹地区的家庭年收入最低（374,155.2法郎）。苏丹-几内亚地区的家庭耕种土地面积也更大（8.3公顷），而萨赫勒地区的家庭耕种土地面积更小（3.6公顷）。最后，种植谷物的家庭比例在不同农业生态区之间存在差异，苏丹-几内亚地区的比例最高（99.6%），而萨赫勒地区的比例最低（82.6%）。种植豆类的家庭比例也是如此。

表1 显示了家庭的人口统计、社会经济、农村、农场和市场特征的描述性统计数据。

图3展示了在种植谷物的农民（a面板）和种植豆类的农民（b面板）中，采用CSA（综合可持续农业）实践的比例。当我们比较不同农业生态区种植谷物的农民采用特定CSA实践的情况时，发现所有5种CSA实践在苏丹-几内亚地区的采用率都更高（4个独立样本的卡方检验，每种CSA实践的p值均为0.000），而在萨赫勒地区的采用率则较低（4个独立样本的卡方检验，每种CSA实践的p值均为0.000）。对于种植豆类的农民进行相同分析时，也发现所有5种CSA实践在苏丹-几内亚地区的采用率更高（4个独立样本的卡方检验，气候智能品种的p值为0.001，其他CSA实践的p值为0.000），而在苏丹地区的采用率较低（4个独立样本的卡方检验，3种CSA实践的p值均为0.000）。改变播种日期和采用气候智能品种的做法在萨赫勒地区的采用率也较低（4个独立样本的卡方检验，2种CSA实践的p值均为0.000）。

图3的替代文本可能是使用人工智能生成的。

表2 显示了家庭粮食安全指数的描述性统计数据。我们发现，在苏丹-几内亚地区，家庭粮食安全指数（HFIS）略高于零（单样本双尾t检验，p=0.083）。换句话说，在苏丹-几内亚地区，几乎没有家庭在一年中会有一个月的时间为获取足够的食物而挣扎。而在其他农业生态区情况则不同。在苏丹-萨赫勒地区，家庭每年大约有24天的时间为此奋斗；而在萨赫勒地区，这一时间为14天（双样本单尾t检验，p=0.0013）。就饮食多样性而言，苏丹家庭的饮食多样性最高（双样本单尾t检验：苏丹-几内亚对比苏丹，p=0.000；苏丹-萨赫勒对比苏丹，p=0.000；萨赫勒对比苏丹，p=0.000），而萨赫勒家庭的饮食多样性最低（双样本单尾t检验：苏丹-几内亚对比萨赫勒，p=0.083；苏丹-萨赫勒对比萨赫勒，p=0.022）。

我们进一步通过运行混合多项逻辑回归（MMNL）模型来研究影响CSA实践采用的决定因素，重点关注种植谷物和豆类的农民。我们还进行了稳健性检验，包括多重共线性检验。为了处理可能的异方差性问题，也使用了稳健的标准误差（详见附录）。

表3显示了MMNL模型的结果，重点关注种植谷物的农民，并以不采用CSA实践作为基准类别。种植谷物的农民所种植的谷物种类并不影响他们采用特定CSA实践的可能性。只有种植高粱的农民（相对于种植玉米的农民）不太可能采用作物多样化和植树。然而，农业生态区的差异导致了特定CSA实践的采用情况有所不同。来自苏丹和苏丹-萨赫勒地区的种植谷物的农民（相对于苏丹-几内亚地区）更有可能采用改变播种日期的做法，而他们采用最小耕作的可能性较低。苏丹农民（相对于苏丹-几内亚农民）更有可能采用作物多样化，而萨赫勒农民（相对于苏丹-几内亚农民）则不太可能采用最小耕作。苏丹-萨赫勒和萨赫勒农民（相对于苏丹-几内亚农民）采用植树的做法可能性较低。在家庭人口特征方面，我们发现较大的家庭更有可能采用这5种CSA实践。我们还发现，主要职业不是农业的家庭户主更有可能采用作物多样化。此外，受教育程度较高的家庭户主更有可能采用植树，而不太可能采用改变播种日期和最小耕作。最后，男性家庭户主更有可能采用气候智能品种。在社会经济特征方面，我们有发现拥有信贷渠道的农民更有可能采用改变播种日期的做法，但不太可能采用作物多样化和最小耕作。在农村和农场特征方面，我们发现能够接触到农业推广人员的农民更有可能采用这5种CSA实践。最后，市场特征也会影响气候智能品种的采用。

表4显示了种植豆类的农民的结果，同样以不采用CSA实践作为基准类别。关于家庭人口特征，我们发现一些结果与种植谷物的农民相似或接近。较大的家庭更有可能采用CSA实践，除了植树。较年轻的家庭户主更有可能采用作物多样化、气候智能品种和植树。与种植谷物的农民类似，种植豆类的男性户主更有可能采用气候智能品种。同样，能够接触到农业推广人员的农民更有可能采用CSA实践，除了改变播种日期的做法。具有更多农业经验的农民也更有可能采用气候智能品种、作物多样化和植树。

表3.2 显示了CSA实践采用的决定因素。我们的分析还研究了影响CSA实践采用的决定因素，特别是对种植谷物和豆类的农民的影响。我们使用混合多项逻辑回归（MMNL）模型来进行研究。

表3.3 显示了CSA实践对粮食安全影响的平均处理效果。我们的分析重点关注了两种类型的农民：种植谷物的农民和种植豆类的农民。对于每组农民，我们使用了最大似然（MSL）方法进行METE模型分析。理论上，即使结果方程中的回归量与处理方程中的回归量相同，模型的参数也能被识别出来（Deb和Trivedi，2006a）。然而，在实践中，我们遵循Deb和Trivedi（2006a）的建议，使用了一些排除限制（或工具变量），这些限制包括将某些回归量纳入处理方程但不纳入结果方程。我们在HFIS的回归中使用了接触农业推广人员的因素作为排除限制，在HDDS的回归中使用了距离最近城镇的距离作为排除限制。这些排除限制的选择基于撒哈拉以南非洲国家关于CSA影响的实证研究（Khonje等人，2018年；Tabe-Ojong等人，2023年；Tesfaye等人，2021年），这些研究认为它们是有效的排除限制。我们通过简单的伪证测试（Di Falco等人，2011年）来验证这些排除限制的有效性：如果一个变量是有效的排除限制，它会影响CSA实践的采用，但不会影响未采用CSA实践的农民的结果。表A1-A4显示了种植谷物和种植豆类的农民采用CSA实践的决定因素的多项逻辑回归结果。

表4显示了种植豆类的农民的结果，同样以不采用CSA实践作为基准类别。关于家庭人口特征，我们发现一些结果与种植谷物的农民相似或接近。较大的家庭更有可能采用CSA实践，除了植树。较年轻的家庭户主更有可能采用作物多样化、气候智能品种和植树。受教育程度较高的家庭户主更有可能采用改变播种日期的做法。与种植谷物的农民类似，种植豆类的男性户主更有可能采用气候智能品种。同样，能够接触到农业推广人员的农民更有可能采用CSA实践，除了改变播种日期的做法。具有更多农业经验的农民也更有可能采用气候智能品种、作物多样化和植树。

表3.3 显示了CSA实践对粮食安全影响的平均处理效果。我们对CSA实践对马里农民粮食安全影响的处理效果进行了分析，重点关注了两种类型的农民：种植谷物的农民和种植豆类的农民。对于每组农民，我们使用了最大似然（MSL）方法进行METE模型分析。理论上，即使结果方程中的回归量与处理方程中的回归量相同，模型的参数也能被识别出来（Deb和Trivedi，2006a）。然而，在实践中，我们遵循Deb和Trivedi（2006a）的建议，使用了一些排除限制（或工具变量），这些限制包括将某些回归量纳入处理方程但不纳入结果方程。我们在HFIS的回归中使用了接触农业推广人员的因素作为排除限制，在HDDS的回归中使用了距离最近城镇的距离作为排除限制。这些排除限制的选择基于关于撒哈拉以南非洲国家CSA影响的实证研究（Khonje等人，2018年；Tabe-Ojong等人，2023年；Tesfaye等人，2021年），这些研究认为它们是有效的排除限制。我们通过简单的伪证测试（Di Falco等人，2011年）来验证这些排除限制的有效性：如果一个变量是有效的排除限制，它会影响CSA实践的采用，但不会影响未采用CSA实践的农民的结果。

表5展示了CSA实践对种植谷物农民粮食安全影响的平均处理效果估计结果。我们发现，最小耕作是唯一一种对HFIS有负面且显著平均处理效果的CSA实践。采用最小耕作使家庭每年为获取足够食物而挣扎的月份数量减少了94.5%。然而，植树可能会降低种植谷物的家庭的粮食充足度。

表5还展示了CSA实践对种植谷物农民HDDS影响的平均处理效果估计结果。我们发现，采用这5种CSA实践对HDDS有正面且显著的平均处理效果。采用最小耕作和改变播种日期分别使家庭消费的食物种类增加了34.3%和50.4%。此外，采用气候智能品种和作物多样化分别使家庭消费的食物种类增加了25.5%和27.9%。最后，采用植树使家庭消费的食物种类增加了53.11%。然而，植树的效果可能会因为潜在因素系数的负值（-0.088）而受到抵消。换句话说，根据未观察到的特征，更有可能采用植树的种植谷物农民的家庭，其消费的食物种类减少了。

表5还展示了CSA实践对种植豆类农民粮食安全影响的平均处理效果估计结果。我们发现，采用这五种CSA技术减少了家庭每年为获取足够食物而挣扎的月份数量。但这些效果在统计上并不显著，除了植树。还需要提到的是，对于最小耕作、气候智能品种和植树，存在选择效应（详见附录）。根据未观察到的特征，更有可能采用最小耕作、气候智能品种或植树的种植豆类农民，他们每年为获取足够食物而挣扎的月份数量减少了。

最后，表5展示了CSA实践对种植豆类农民HDDS影响的平均处理效果估计结果。我们发现，采用CSA实践对家庭消费的食物种类有正面且显著的效果，除了改变播种日期的做法。具体来说，采用最小耕作和作物多样化分别使家庭消费的食物种类增加了56.0%和26.5%。此外，采用气候智能品种和植树分别使家庭消费的食物种类增加了45.8%和68.5%。

作为稳健性检验，我们估计了逆概率加权回归调整（IPWRA）模型。IPWRA模型采用了一种匹配导向的方法，具体步骤如下：(i) 估计处理效应模型；(ii) 预测所有观测对象的处理结果（即估计的倾向得分）；(iii) 为接受处理的个体分配处理概率的倒数，为未接受处理的个体分配未处理概率的倒数；(iv) 使用这些新的权重来估计结果模型（Morgan & Winship, 2015）。该模型具有双重稳健性，意味着其估计方法能够防止处理效应模型或结果模型的错误设定（Morgan & Winship, 2015）。表6展示了使用IPWRA模型得出的采用CSA（综合可持续农业）实践的平均处理效应。对于种植谷物的农民来说，IPWRA模型的结果与METE模型的结果一致。最小耕作对家庭的食物供应有积极且显著的影响，所有CSA实践都对家庭的饮食多样性有积极且显著的影响。然而，IPWRA模型还表明，气候智能型品种和调整播种日期可能对家庭的食物供应有积极且显著的影响。

在种植豆类的农民中，IPWRA模型的结果也与METE模型一致，即调整播种日期、气候智能型品种和作物多样化对家庭的饮食多样性有积极且显著的影响。不过，IPWRA模型显示最小耕作和植树可能对家庭的饮食多样性没有显著影响。此外，该模型还表明，除了植树之外，其他CSA实践也可能对家庭的食物供应有积极且显著的影响。

本研究中的证据表明，只有一种谷物作物影响农民是否采用CSA实践的决定。我们发现，与种植玉米的农民相比，种植高粱的农民不太可能采用作物多样化和植树。这可能是因为种植高粱的农民面临更大的生态限制，这些限制影响了多作物系统的可行性（养分竞争）以及树木的建立和存活（由于干旱压力）。实际上，高粱主要种植在半干旱地区（苏丹-萨赫勒区和萨赫勒区），这些地区的降雨量少且土壤贫瘠，而玉米则种植在降雨量较多、土壤肥沃的地区（苏丹-几内亚区）。此外，种植高粱的农民的市场激励较少，他们通常从事以自给自足为导向的生产活动，而种植玉米的农民有市场需求。因此，种植玉米的农民更有动力投资于作物多样化和长期农业实践，而种植高粱的农民则更注重风险最小化和即时食物保障。Traore等人（2021）的研究表明，玉米和高粱对降雨变化的反应不同，且高粱的多样化潜力较低。

我们的研究还指出，不同的农业生态区导致了特定CSA实践的采用差异。来自苏丹区和苏丹-萨赫勒区的种植谷物的农民更倾向于采用调整播种日期的做法，而不太可能采用最小耕作。一些研究证实，生物物理因素和干旱是非洲特定CSA实践采用的决定因素（Mthethwa等人，2022；Musafiri等人，2022；Negera等人，2022）。苏丹-萨赫勒区的土壤容易发生压实、侵蚀或积水，农民倾向于通过耕作和垄作来提高水分保持能力。此外，苏丹-萨赫勒区的降雨量在种植季节初期也不稳定，因此农民通常会调整播种日期以与降雨开始时间相匹配。

研究结果还证实了种植谷物和豆类的农民的人口统计和社会经济特征（年龄、性别、教育水平、家庭规模、信贷获取能力和收入）以及市场特征（距最近市场的距离）是采用CSA实践的决定因素。这与关于非洲CSA实践采用驱动因素的文献一致（Abegaz等人，2024；Ogisi & Begho，2023；Silva等人，2024）。家庭规模尤其影响所有5种CSA实践的采用。在马里，家庭规模代表了小农户系统中的人力和社会资本，较大的家庭更适合劳动密集型的CSA实践（Andrieu等人，2017；Ouedraogo等人，2019），并且有助于知识和创新的内部传播，因为较大的家庭可以将工作量分配给家庭成员，参与培训项目的成员可以内部传播知识。关于农村和农场特征，我们发现与推广人员的接触是采用所有5种CSA实践的决定因素，这突显了推广人员或推广服务对农民采用农业实践和技术的重要性。从服务水平协议（SLA）的角度来看，与推广人员/服务的接触增强了人力资本（知识和技能）和社会资本（网络），使家庭能够将CSA实践作为生计策略。在最近研究加纳、马里、尼日尔和尼日利亚的CSA技术采用决定因素的研究中，Tabe-Ojong等人（2023）和Bello等人（2024）也发现，与推广服务的接触与大多数CSA综合包的采用呈正相关。

最后，这项研究表明，每种CSA实践至少对一个食品安全指标（食物供应和营养质量）有显著影响。然而，这些CSA实践对营养质量（饮食多样性）的影响更为显著，这意味着种植谷物和豆类的农民采用CSA实践可以提高家庭的营养质量。这可能是因为采用作物多样化、气候智能型品种和农林业等CSA实践改变了食物来源的多样性，从而直接影响了饮食多样性、营养摄入量和整体营养质量。我们的发现与越来越多的文献一致，这些文献探讨了作物多样化或其他CSA实践对马里家庭食物供应或营养质量的影响（Douyon等人，2022；Tabe-Ojong等人，2023）。

气候智能型农业（CSA）已成为帮助撒哈拉以南非洲农民适应气候变化影响的一种流行方法，因为它实现了三重收益：提高生产力、增强韧性并减少温室气体排放（Lipper等人，2014）。在马里，已经推广了多种CSA实践（CIAT等人，2020；世界银行，2019）。利用2024年从马里6个地区（Kayes、Koulikoro、Segou、Sikasso、Mopti和Nara）收集的家庭和农场层面的数据，我们研究了5种CSA实践（最小耕作、调整播种日期、气候智能型品种、作物多样化和植树）的采用情况及其对小农户食品安全的影响，涵盖了4个农业生态区（苏丹-几内亚区、苏丹区、苏丹-萨赫勒区和萨赫勒区）以及谷物（玉米、小米和高粱）和豆类（豇豆、花生和大豆）种植系统。

我们的参数和非参数统计分析显示，在谷物种植中，所有5种CSA实践在苏丹-几内亚区的采用率最高，在萨赫勒区的采用率最低。在豆类种植中，所有5种CSA实践在苏丹-几内亚区的采用率最高，而在苏丹区，最小耕作、作物多样化和植树的采用率最低。调整播种日期和气候智能型品种在萨赫勒区的采用率最低。关于CSA实践采用的决定因素，我们的混合多项逻辑模型表明，与种植玉米的农民相比，种植高粱的农民不太可能采用作物多样化和植树。此外，来自苏丹区和苏丹-萨赫勒区的种植谷物的农民更倾向于采用调整播种日期的做法，而不太可能采用最小耕作。研究还显示，家庭规模和与推广人员的接触是促进大多数CSA实践采用的两个积极因素。最后，我们的多项内生处理效应模型（METE）表明，最小耕作是唯一一种对种植谷物家庭的食物供应有积极且显著影响的CSA实践，而所有5种CSA实践都对种植谷物家庭的饮食多样性有积极且显著的影响。对于种植豆类的家庭，调整播种日期、气候智能型品种和作物多样化也对他们的饮食多样性有积极且显著的影响。

这些发现表明，所种植的作物（尤其是高粱）和农业生态区对CSA实践的采用起着重要作用。此外，它们还强调了与推广人员或服务的接触对于提高农民采用CSA实践率的重要性。最后，这些发现表明，采用CSA实践对于提高马里小农户的营养质量至关重要。在政策建议方面，这些发现建议马里当局应在苏丹-萨赫勒区和萨赫勒区以及高粱种植区发展推广和技术支持，以增加CSA的采用。这将提高小农户的认识和技术能力，并帮助他们根据当地情况适应CSA。此外，马里当局还应为小米和高粱等自给自足作物系统的CSA采用提供市场和财政激励，以减少经济障碍，使生活在自给自足系统中的小农户能够可持续地多样化生产，从而促进气候韧性和食品安全。

在考虑这些结果时需要注意几个问题。小农户的食品安全是通过互补的食品安全指数来衡量的，这些指数包括食物供应（家庭食物不足得分）和食物营养（家庭饮食多样性得分）。进一步的实证分析可以考虑食品安全的其他维度，如可获取性和稳定性，而不仅仅是本文已经考虑的供应和利用维度。例如，食物消费得分（FCS）有助于在许多情况下衡量食品安全，因为它基于食物频率、饮食多样性和不同群体的营养重要性（Maxwell等人，2013；Wiesmann等人，2009）。由于马里的安全状况限制，我们无法覆盖所有地区，如果能覆盖这些地区，将有助于提高结果的普遍性。