基于机器学习的粪肥还田服务主体行为响应影响因素——绿色种养循环农业试点区的经验证据

摘要

为提升粪肥还田服务主体行为响应，打通绿色种养循环农业“最后一公里”，利用绿色种养循环农业试点区微观调查数据，采用惩罚回归、集成学习、深度学习等多重机器学习方法，系统识别粪肥还田服务主体行为响应的影响因素。结果表明：1）相比于传统多元线性回归，机器学习法能够显著提升模型结果的可信任度与可解释性，经济激励、固定资产、经营收入、经济效益认知、服务半径是影响服务主体行为响应的关键因素，且均具有显著的正向影响；2）通过累积局部效应（ALE）图与SHAP值多项式拟合依赖图发现，固定资产、经济激励、服务半径三者与服务主体行为响应之间存在明显的非线性关系，其中固定资产和服务半径的拟合曲线呈现“倒U型”形态，经济激励呈现“U型”形态；3）固定资产与经济激励的交互作用可显著提高服务主体行为响应，当固定资产存量>250万元时，经济激励对服务主体的正向效应显著增强，SHAP值从0.3以下提升至0.5～1.0;4）服务半径与经营收入的交互作用也可显著提高服务主体行为响应，当服务半径处在10～30个村庄范围时，高经营收入主体可更高效地将覆盖范围扩大转化为规模经济收益，提高服务供给意愿。基于此，提出实施基于资产规模与服务半径分档的经济激励政策、推动区域种养一体化布局、优化粪肥运输网络、强化服务主体能力建设等建议。

关键词

绿色种养循环 / 粪肥还田服务主体 / 行为响应 / 机器学习

基金资助

国家自然科学基金青年科学基金项目(72503031); 中国博士后科学基金面上项目(2025M772469); 黑龙江省自然科学基金项目(LH2024G001); 黑龙江省哲学社会科学研究规划项目(25JYC030)