机械化玉米收获中的感知损失:基于人-机-环境-作物视角

《Food and Energy Security》:Perceived Corn Loss During Mechanized Harvesting: From a Human-Machine-Environment-Crop Perspective

【字体: 大 中 小 】 时间:2026年07月10日 来源:Food and Energy Security 4.6

编辑推荐:

  食物收获是保障食物供应链稳定与食物安全的关键环节,但收获损失会降低农业生产率与农民经济收益。研究人员从整合的人-机-环境-作物(Human-Machine-Environment-Crop, HME-C)视角出发,考察中国东北地区玉米机械化收获损失相关的农户感

  
食物收获是保障食物供应链稳定与食物安全的关键环节,但收获损失会降低农业生产率与农民经济收益。研究人员从整合的人-机-环境-作物(Human-Machine-Environment-Crop, HME-C)视角出发,考察中国东北地区玉米机械化收获损失相关的农户感知。基于一线农业生产者的田间生产经验,研究人员对玉米种植户开展横断面调查,构建模型分析环境、作物、收获机、机手相关因素与感知机械化收获损失的关联。研究采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modelling, PLS-SEM)评估测量模型与结构模型,估算假设路径关系,识别所考察的损失相关因素的相对重要性。经模型调整后,可解释67.7%的感知机械化收获损失方差。结果显示,机手经验、田块形状规整度、玉米种植密度、收获机工作宽度与作物行距差值、玉米茎秆倒伏程度、田块面积与感知机械化收获损失显著相关;而玉米籽粒收获期含水量、收获机工况、机手技能水平与感知机械化收获损失无显著关联。同时田块形状规整度与收获机工况、机手经验与机手技能水平、玉米种植密度与茎秆倒伏程度之间存在显著的跨因素关联。上述发现为改善中国东北地区玉米机械化收获管理提供了基于感知的实证证据。
本研究发表于学术期刊《Food and Energy Security》,聚焦中国东北地区玉米机械化收获损失问题开展实证研究。当前全球粮食安全形势趋紧,食物损失与浪费已成为全球治理与学术研究的热点议题,联合国环境规划署(UNEP)2024年发布的《2024食物浪费指数报告》显示,2022年全球食物浪费总量达10.5亿吨,预估经济损失超1万亿美元,而收获环节是农田端食物损失的核心发生节点,收获损失不仅会降低粮食产量、减少农民收益,还会加剧食物供应链的脆弱性。既有研究已单独考察了田块规模、作物含水量、收获机类型等单一维度的收获损失影响因素,也有研究关注了农机服务外包、区域技术发展水平等更广泛的社会经济类因素,但多数研究通过田间实验、客观测量或常规统计分析方法开展,缺乏从人-机-环境-作物(Human-Machine-Environment-Crop, HME-C)整合视角出发、系统考察生产者感知的机械化玉米收获损失影响因素的相关研究,无法明确多类因素的相对作用权重,难以形成系统可用的损失防控指导。基于此,本研究旨在构建整合分析框架,识别中国东北地区农户感知的机械化玉米收获损失的关键影响因素及其关联关系,为区域机械化收获效率提升与粮食安全保障提供实证支撑。
研究人员以中国东北黑龙江、吉林、辽宁3省为核心研究区域,该区域是我国最大的玉米主产区,2022年玉米种植面积占全国总种植面积的31.6%,且农机综合机械化率较高,其中黑龙江省农作物综合机械化率达98%以上,是研究机械化收获损失的典型区域。2023年4-5月,研究人员通过线上问卷与实地调研两种方式开展横断面调查,面向具备玉米种植与机械化收获实操经验的农户发放问卷,共获取449份有效样本,满足结构方程模型分析的样本量要求。研究基于HME-C框架构建概念模型,涵盖环境、作物、收获机、机手4类共9个潜在构念,采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modelling, PLS-SEM)开展分析,通过评估测量模型与结构模型拟合度、检验假设路径、识别因素相对重要性,验证多维度因素对农户感知收获损失的作用。
研究结果部分的小标题及对应结论如下:
### 描述性统计
对449份有效样本的人口统计学特征进行统计,受访农户以41-55岁、初中文化程度为主;线上与实地调研样本的感知收获损失分布无显著差异,仅在田块规模、茎秆倒伏程度、收获机工况3个构念的平均得分上存在显著差异,实地调研样本的上述3项得分更高。
### 测量模型评估
信效度检验结果显示,所有构念的Cronbach's α系数与组合信度(Composite Reliability, CR)均高于0.7的阈值,因子载荷与平均方差提取量(Average Variance Extracted, AVE)均高于0.5,收敛效度、区分效度均符合统计学要求;共同方法偏差检验结果显示,第一公因子解释总方差的比例为40.758%,低于50%的阈值,说明数据不存在严重的共同方法偏差问题。
### 结构模型评估
模型对感知机械化收获损失的解释率达67.7%(调整后R2=0.677),拟合度符合要求。假设检验结果显示,12条预设路径中9条在0.05水平下统计显著,1条在0.10水平下边际显著。直接作用于感知收获损失的因素中,机手经验的标准路径系数最高,作用最强;其次依次为田块形状规整度、玉米种植密度、收获机工作宽度与作物行距差值、田块面积、茎秆倒伏程度,上述因素均与感知损失呈显著正相关;玉米籽粒收获期含水量与感知损失呈边际正相关;而收获机工况、机手技能水平与感知损失无显著统计学关联。此外3条跨因素路径均显著:玉米种植密度越高,茎秆倒伏程度越重;田块形状越规整,收获机工况越稳定;机手经验越丰富,操作技能水平越高。
讨论部分总结:本研究从理论层面拓展了HME-C框架在机械化收获损失研究中的应用场景,验证了人、机、环境、作物多维度因素的交互作用,明确了农户感知视角下各因素的相对重要性,补充了基于生产者实际生产感知的收获损失实证证据。实践层面为东北地区玉米机械化收获管理提供了多维度指导:一是强化机手培训与经验传承,通过合作社开展实操培训、建立经验共享机制提升机手操作能力;二是优化种植管理,合理控制种植密度、推广抗倒伏品种,将种植密度管理与倒伏防控相结合,降低倒伏相关损失;三是推进高标准农田建设,提升田块规整度与连片程度,减少不规则田块对收获机连续操作的干扰;四是引导农机配置与本地种植行距匹配,选择适配行距的收获机,降低漏收、重复碾压风险。
研究结论部分:本研究构建了农户视角下的玉米机械化收获损失理论模型,识别了机手、作物、田块、收获机4类因素对感知收获损失的作用。其中机手经验对感知损失的影响最为显著,其次是田块形状规整度、玉米种植密度、收获机工作宽度与行距差值、茎秆倒伏程度、田块面积,而收获机工况与机手技能水平无显著直接效应。因素重要性排序显示机手相关因素占主导,其次为环境、作物、收获机相关因素,多因素的交互作用表明农户对收获损失的评估并非由单一因素决定,而是机手、田块条件、作物特征、收获机操作的共同关联作用的结果。研究存在3点局限性:一是因变量为农户自我报告的感知损失,而非田间实测的客观损失数据,结论反映的是感知层面的关联而非客观因果决定因素;二是部分田间与操作层面变量(如实际籽粒含水量、收获速度、作物成熟度、品种差异、土壤墒情与紧实度等)未纳入测量,可能对收获损失产生影响;三是样本仅覆盖中国东北地区,受访农户以普通种植户为主,结论的普适性有限。未来研究需拓展至不同区域、不同农场类型与玉米品种,结合感知调查数据与田间实测收获损失、收获机作业记录、农艺指标、土壤测量数据验证优化模型,纳入土壤墒情、紧实度等变量,进一步明确不同生产条件下机械化收获损失的发生机制与多因素交互作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号