下载:
-
化肥过量施用导致农业面源污染与环境恶化是中国生态治理面临的严重问题之一[1-3]。据统计，2017年中国农用化肥施用总量为5 859.4万t，施用强度为352 kg·hm−2，超过国际警戒强度。近年来，中国政府先后出台了一系列政策文件，推动化肥减量化，测土配方施肥技术是促进化肥减量化的重要途经[4-5]。家庭农场是中国未来现代农业发展进程中最为合意和最具生命力的经营主体[6]，家庭农场的生产决策行为直接关乎化肥减量化这一目标能否实现。中国目前测土配方施肥技术采用率不足1/3[7]。因此，以中国家庭农场等新型经营主体为对象，探究影响家庭农场采纳环境友好型技术的因素及影响强度，对促进中国农业绿色转型发展具有重要的现实意义。已有研究表明：创新意识、经营规模、外出务工等是影响家庭农场采纳测土配方施肥技术的重要因素[8-10]，但从契约农业参与的视角来理论和实证分析其采纳测土配方技术的内在机制与效应还未见报道；同时，已有研究大多基于区域调查数据展开，鲜有基于全国大样本调查数据的实证检验，其结论的普适性有待进一步验证。鉴于此，本研究以2018年全国家庭农场监测数据为基础，分析作用机制，构建Probit-倾向得分匹配(PSM)模型，估计契约农业对家庭农场采纳测土配方施肥技术的实际影响，以期为政府制定相关政策提供依据。
-
一般具备较强能力与资本实力的家庭农场会偏向于采用能提高农产品产量与质量、促进农场增收的技术[9]。测土配方施肥技术作为一种典型的环境友好型生产技术，可增产6%~10%，节约成本450元·hm−2以上[11]。从理论上看，经营主体是否采纳某项技术取决于对该技术的认知程度，以及该技术能否带来大于技术采纳成本的净收益[12]。经营主体参与契约农业对测土配方技术采纳的作用机制，主要体现在3个方面。
一是通过签订具有法律效应的产品销售与农资供应合约，提前锁定预期收益与生产成本，保证家庭农场的未来投资能够获得稳定的预期回报，从而为采纳测土配方施肥技术等长期投资行为提供正面激励；二是建立契约农业，与上下游主体形成“风险共担、利益共享”共同体，降低交易成本，规避、分散风险，提高其采用测土配方施肥技术的信心[13]；三是通过契约农业为家庭农场争取合作单位技术培训等支持，降低家庭农场采纳新技术的搜寻学习成本及新技术应用的风险，增强其采用技术的可能性。此外，家庭农场自身特征、农场主特征、农场经营特征等也会对技术采纳产生影响。基于以上分析，给出研究假定：相对于未参与契约农业的家庭农场，参与契约农业的家庭农场采纳测土配方施肥技术的概率更高。
-
数据来自于2018年全国家庭农场监测项目调查报告[14]。受农业农村部委托，中国社会科学院农村发展研究所对全国近3 000个家庭农场开展长期固定监测工作，在全国各省(区、市)按经济水平高低选择2~4个代表县，每个县选择30~50个生产经营情况比较稳定的家庭农场，调查生产经营各个方面。选择监测数据中1 706个涉及小麦、玉米、水稻和蔬菜瓜果种植为主的家庭农场数据，作为本研究分析样本。
-
家庭农场测土配方施肥技术采纳与否，所涉及到的被解释变量为二分类变量，即采纳测土配方施肥技术为1，反之为0。因此可采用Probit模型进行实证分析。同时，家庭农场选择是否参与契约农业还要结合自身需求和资源禀赋，即自选择会导致估计偏误。因此本研究利用基础模型分析，采用PSM构建“反事实推断模型”。
Probit模型如下：
$${Y_i} = {\beta _0} + {\beta _1}{X_1} + \sum\limits_{i = 2}^n {{\beta _i}} {X_i} + \varepsilon \text{。}$$ (1) 式(1)中：Yi表示家庭农场i是否采纳测土配方施肥技术，采纳取值为1，未采纳取值为0；X1表示是否参与契约农业，参与取值为1，不参与取值为0；Xi表示影响家庭农场测土配方施肥技术采纳行为的特征变量，β1和βi分别为其估计系数；β0表示常数项，ε表示随机扰动项。
PSM匹配模型如下：
$$ P({Z}_{i})={P}_{r}({D}_{i}=1|{Z}_{i})=\frac{{\rm{exp}}(\beta {Z}_{i})}{1+{\rm{exp}}(\beta {Z}_{i})}\text{。}$$ (2) 式(2)中：P(Zi)为倾向匹配得分值，表示家庭农场参与契约农业的倾向匹配得分值；Di为二值虚拟变量，即家庭农场i参与契约农业时取值为1，不参与取值为0；Zi为一系列的匹配变量，包括农场特征、农场主特征、经营特征等；β表示相应匹配变量的确定性系数。
基于匹配结果测算家庭农场参与契约农业对测土配方施肥技术采纳行为的平均处理效应(average treatment effect of the treated, EATT)，计算公式如下：
$${E_{{\rm{ATT}}}} = E({y_{1i}}\left| {{X_1} = 1} \right.) - E({y_{0i}}\left| {{X_1} = 1} \right.) = E({y_{1i}} - {y_{0i}}\left| {{X_1} = 1} \right.)\text{。}$$ (3) 式(3)中：y1i为参与契约农业的家庭农场采纳测土配方施肥技术的概率，y0i为匹配后得到的假如处理组未参与契约农业时家庭农场采纳测土配方施肥技术的概率。X1=1表示家庭农场参与契约农业。
-
基于上述机制分析，给出模型变量及测度。①被解释变量。被解释变量为家庭农场测土配方施肥技术采纳行为，是指家庭农场在全年的生产经营过程中是否采纳测土配方施肥技术。②关键解释变量。关键解释变量为家庭农场是否参与契约农业，是指家庭农场是否和合作社或农业企业签订了农产品销售合同。③其他控制变量。参考文献[9-10]和[15-16]，选取其他可能影响家庭农场采纳测土配方施肥技术的变量，如农场主个人特征(性别、年龄、受教育程度、是否参加农业技术培训、从事农业规模经营年限、是否为外村户籍和从业经历)、农场特征(是否在工商部门登记注册、是否为农业部门认定的示范农场、农场土地经营总面积、农场经营的全部土地共有几块和家庭成员中在农场工作的人数)、经营特征(是否有日常收支记录、农场未来扩张意愿、是否有生产经营性借款、是否购买过农业保险)等。变量说明及描述性统计结果见表1。
表 1 变量赋值与说明
Table 1. variable assignment and description
类别 变量名 具体含义与赋值 均值 标准差 最小值 最大值 因变量 是否测土配方施肥技术 否为0；是为1 0.61 0.49 0 1 自变量 是否参与契约农业 否为0；是为1 0.32 0.46 0 1 农场主特征 性别 女为0；男为1 0.89 0.32 0 1 年龄 岁 46.14 8.52 18 73 受教育程度 未上过学为1；小学为2；初中为3；高中为4；中专为5；
职高为6；大专为7；本科为8；研究生及以上为93.89 1.38 1 9 是否接受过土肥培育技术培训 否为0；是为1 0.54 0.50 0 1 从事农业规模经营年限 a 7.75 4.81 0 36 是否为外村户籍 否为0；是为1 0.82 0.39 0 1 主要从业经历 非普通农民为0；普通农民为1 0.37 0.48 0 1 农场特征 是否在工商部门登记注册 否为0；是为1 0.80 0.40 0 1 是否为农业部门认定的示范农场 否为0；是为1 0.55 0.50 0 1 土地经营总面积 hm2 23.88 32.63 2.00 475.30 全部经营土地块数 块 13.30 28.32 1 385 家庭成员中在农场工作的人数 人 2.88 1.17 1 15 日常收支记录 否为0；是为1 0.76 0.43 0 1 土地未来扩张意愿 否为0；是为1 0.41 0.49 0 1 是否有生产经营性借款 否为0；是为1 0.60 0.49 0 1 是否购买农业保险 否为0；是为1 0.62 0.48 0 1 -
由表2可知：模型整体拟合程度较好，参数估计符合预期。从关键解释变量来看，家庭农场参与契约农业对其采纳测土配方施肥技术的影响系数为正，且P＜0.01。表明相比未参与契约农业的家庭农场，参与契约农业的家庭农场采纳测土配方施肥技术的可能性更大。
表 2 Probit模型估计结果
Table 2. Probit model estimation results
类别 变量 测土配方施肥技术采纳行为 系数 标准误 是否参与契约农业 0.621*** 0.083 农场主特征 性别 −0.013 0.108 年龄 0.006 0.004 受教育程度 0.005 0.027 是否参加土肥培育技术培训 0.516*** 0.069 从事农业规模经营年限 0.018** 0.007 是否为外村户籍 −0.144 0.091 主要从业经历 −0.425*** 0.076 农场特征 是否在工商部门登记注册 −0.091 0.093 是否为农业部门认定的示范农场 −0.123 0.075 土地经营总面积 0.000 0.000 全部经营土地块数 0.000 0.001 家庭成员中在农场工作的人数 0.007 0.029 是否有日常收支记录 0.613*** 0.087 土地未来扩张意愿 0.205*** 0.072 是否有生产经营性借款 −0.031 0.073 是否购买农业保险 0.196*** 0.074 常数项 −0.880*** 0.302 样本量 1 706 拟合优度 0.184 χ2 420.10 说明：
**、***分别代表在5%、1%的统计水平下显著就农场主特征来看，农场主参加土肥培育技术培训对家庭农场采纳测土配方施肥技术具有正向影响，影响系数为0.516，且P＜0.01。说明参与土肥培育技术培训的家庭农场更愿意采纳测土配方施肥技术。农场主从事农业规模年限对家庭农场采纳测土配方施肥技术具有正向影响，影响系数为0.018，且P＜0.05。说明农场主农业规模年限越长，越倾向于采纳测土配方施肥技术。另外，农场主的从业经历对家庭农场采纳测土配方施肥技术也有显著影响。
就农场特征来看，农场具有完整日常收支记录对家庭农场采纳测土配方施肥技术具有正向影响，影响系数为0.613，且P＜0.01。说明具有完整日常收支记录的家庭农场更愿意采纳测土配方施肥技术；可能的原因是，家庭农场有完整日常收支记录会极大地提高其成为示范典型的可能性[17]，从而提升农场主采纳测土配方施肥技术的意愿和动机。农场土地未来扩张意愿对家庭农场采纳测土配方施肥技术具有正向影响，影响系数为0.205，且P＜0.01。说明具有土地未来扩张意愿的家庭农场采纳测土配方施肥技术的可能性更大；可能的原因是家庭农场具有未来继续扩张土地的意愿一定程度能反映出家庭农场土地经营的稳定性，较高的地权稳定性是促进家庭农场可持续发展的重要指标[18]，对家庭农场采纳测土配方施肥技术意愿有利。
-
家庭农场是否参与契约是自主选择的结果，Probit模型回归结果可能存在选择性偏误。因此需要采用倾向得分匹配(PSM)来处理可能存在的自选择问题。PSM模型需要满足2个基本假定，即共同支撑假设和匹配变量的平衡性假定。
共同支撑假设要求对照组与实验组的倾向得分值重叠区间要足够大，否则将导致样本缺失。结果显示：1 706个家庭农场样本数据中，共有1 647个样本数据满足共同支撑假设，可进行匹配。由图1和图2可以看出：样本匹配前，对照组和实验组概率密度曲线重叠较少，吻合度不高，说明存在显著性差异；样本匹配后，概率密度曲线重叠增多，吻合度较高，说明2组样本无显著差异，各个维度特征基本趋于相似，满足共同支撑假设。
图 1 匹配前概率密度分布图
Figure 1. Probability density distribution map before matching
图 2 匹配后概率密度分布图
Figure 2. Probability density distribution map after matching
PSM的平衡性检验主要是考察协变量在控制组与实验组之间是否存在显著性差异。最近邻匹配下的平衡性检验假设结果显示：匹配后各个协变量的标准偏差均大幅度减少，除农场主年龄(8.5%)和农场家庭劳动力(22.9%)的标准偏差下降幅较小，其他协变量标准偏差下降幅度均超过60%，并且所有协变量的标准偏差均小于10%。2组样本均值非常接近，无显著性差异，即通过了平衡性检验。
-
本研究PSM模型分别采用最近邻匹配(K=1)、最近邻匹配(K=4)、半径匹配(R=0.01)和核匹配4种方法对样本进行匹配。由表3可知：4种匹配结果均通过了1%的显著性检验，且处理效应系数差异不大。一方面表明PSM模型估计结果较为稳健，另一方面说明家庭农场参与契约农业对其采纳测土配方施肥技术有显著的促进作用。
表 3 契约农业参与的平均处理效应
Table 3. Average processing effect of contract farming participation
匹配方法 处理组/对照组(样本数) EATT 匹配方法 处理组/对照组(样本数) EATT 最近邻匹配(K=1) 538/1 168 0.195***(0.040) 半径匹配(R=0.01) 529/1 091 0.196***(0.029) 最近邻匹配(K=4) 533/1 114 0.183***(0.034) 核匹配 533/1 114 0.190***(0.026) 说明：括号内为标准误；***表示在1%的统计水平下差异显著 -
本研究以2018年全国家庭农场监测项目中采集的1 706个种植业家庭农场信息为基础，构建Probit-PSM模型实证分析了家庭农场参与契约农业对其采纳测土配方施肥技术的影响，研究发现：①家庭农场是否参与契约农业是影响其采纳测土配方施肥技术的重要因素，家庭农场参与契约农业对其采纳测土配方施肥技术具有显著的正向影响，参与契约农业的家庭农场采纳测土配方施肥技术的可能性更大。②农场主参加土肥培育技术培训、农场主从事农业规模经营年限、农场主的从业经历、农场具有完整的日常收支记录和农场具有土地未来扩张意愿等都会显著正向影响家庭农场采纳测土配方施肥技术。
由此认为：第一，政府或相关农业部门单位应该进一步建立健全契约农业参与机制，规范契约双方农业生产协议，充分发挥好契约农业的福利提供和约束作用，鼓励家庭农场积极参与契约农业，促使家庭农场积极采纳测土配方施肥技术；第二，当地政府应该积极开展土肥培育技术等农业技术培训，鼓励家庭农场建立日常收支记录，规范化经营，以更大程度提升家庭农场资源禀赋水平，提高农业生态化经营的发展水平。
On the impact of contract farming on family farms’ adoption of environmentally friendly technologies
-
摘要:
目的 为测土配方施肥技术的推广提供决策依据。 方法 基于全国1 706个种植业家庭农场调查数据，借助Probit模型和倾向得分匹配(PSM)方法实证检验契约农业对家庭农场采纳测土配方施肥技术的影响。 结果 Probit模型结果表明：家庭农场参与契约农业对其采纳测土配方施肥技术具有显著的正向影响，影响系数为0.621；PSM模型结果表明：与未参与契约农业的家庭农场相比，参与契约农业的家庭农场平均处理效应为0.19，技术培训、农场主从事农业规模经营年限、农场主的从业经历、家庭农场具有规范的日常收支记录以及未来扩张意愿对技术采纳也有影响。 结论 契约农业是影响家庭农场采纳测土配方施肥技术的重要因素，政府应进一步加快建立健全契约农业参与机制，支持家庭农场提升资源禀赋水平。图2表3参18 Abstract:Object It is expected to provide decision-making basis for the promotion of soil testing and formula fertilization technology. Method With 1706 family plantations selected as the subjects, this paper, after an investigation of the influence of contract farming on the adoption of soil testing and formula fertilization technology on family farms by means of Probit and propensity score matching (PSM), is aimed to provide decision-making basis for the promotion of such environmentally friendly technologies. Result The participation of family farms in contract farming has a prominent and effective influence on the adoption of soil testing and formula fertilization technology with an influence coefficient of 0.621. The average treatment effect is about 0.19 and the adoption of such environmentally friendly technologies is also significantly subject to elements like farmers’ participation in soil and fertilizer cultivation technology training, the duration of large-scale agricultural operations, farmers’ experience, farms’ daily records of income and expenditure and farms’ intention for future land expansion. Conclusion Contract farming is a vital factor affecting the adoption of soil testing and formula fertilization technology by family farms, therefore, efforts are called from the government to further accelerate the establishment of a sound participation mechanism of contract farming and support family farms in the promotion of their resource endowment. [Ch, 2 fig. 3 tab. 18 ref.] -
同一块土地连续种植同一作物或近缘作物，即使在正常的栽培管理状况下，也会出现植株长势变弱、病虫害严重、作物产量降低、品质下降等的现象为连作障碍[1]，很多作物都存在这一现象[2−5]。目前，中国连作危害程度高的地块面积超过10%，当季作物损失占20%~80%，严重的甚至几乎绝产。连作障碍每年造成数百亿元的经济损失，同时还降低了农作物的安全性[6]。作物轮作、间作、套作等增加生物多样性的方法是解决连作障碍的有效措施，但都仅是短期内的改善，且操作上存在诸多不便，推广应用不理想。中国土地利用指数高、经营强度大，同一地区集中连作1~2种植物是当下农业生产的主要模式[7]。因此，目前提出的解决连作障碍的技术与方法，难以从本质上解决连作障碍问题[8]。以“作物连作障碍”为关键词，统计1989—2018年的结果表明：突现度(某变量出现频次在较短时间内突然增加)排名前二位的分别是黄豆Glycine max (35.3094)、马铃薯Solanum tuberosum(28.9866)[9]，说明这2种植物连作障碍问题严重。而禾本科植物连作障碍的研究报道极少，说明实际生产中禾本科Poaceae植物很少出现连作障碍。禾本科作物还常常作为连作障碍首选的间作或轮作对象，如对枸杞Lycium chinense与禾草间作研究发现：土壤理化性质、土壤酶活性、枸杞生长速率和产量以及禾草生物量等指标均表现为间作高于枸杞单独连作，间作对枸杞分枝的促进作用尤为显著[10]。胡麻Linum usitatissimum与小麦Triticum aestivum轮作可减弱土壤水提液对胡麻种子萌发以及生长的自毒作用，利于胡麻的生长[11]。可见，不同植物耐受连作障碍的能力不同。
土壤酶是大部分物质转化过程的执行者[12]，土壤酶活性是衡量土壤肥力的重要指标之一[13]。在植物生长过程中，根系不断分泌代谢产物到根际土壤，对土壤微生物活动产生显著影响，从而影响土壤酶活性，由此改变了根际环境土壤的理化性质，特别是各种养分的生物有效性以及养分的转化速率[14]。随着连作时间的延长，植株细胞膜的通透性增加，养分物质运输功能下降，引发自毒作用，作物的正常生长也受到影响[15]，虽然对连作障碍这一农业生产老大难问题已经开展了大量研究[9]，但同时比较多科植物连作过程中生物化学变化的研究未见报道。为此，本研究通过比较多科植物连作过程中土壤酶活性的差异变化，假设植物遗传特性是耐连作障碍的重要因子，为耐连作障碍的发生机制研究提供证据。
1. 材料与方法
1.1 材料
以浙江农林大学实习基地的森林土壤和育苗基质1∶1的体积比混合均匀后为盆栽本底土，该土结构疏松、质地优良，具有良好的保水保肥效果。森林土壤基本理化性质：pH 5.21，速效钾为193.33 mg·kg−1，碱解氮为51.17 mg·kg−1，有效磷为6.00 mg·kg−1，全氮为1.33 g·kg−1，全碳为28.50 g·kg−1。育苗基质基本理化性质：有机质质量分数大于45%，pH 5.50~7.00，含少量的氮磷钾物质。混合后的土pH 5.42。植物包括：豆科Fabaceae花生Arachis hypogaea、黄豆Glycine max，葫芦科Cucurbitaceae西瓜Citrullus lanatus、南瓜Cucurbita moschata，茄科Solanaceae番茄Solanum lycopersicum、马铃薯Solanum tuberosum，禾本科Poaceae早熟禾亚科Pooideae二穗短柄草Brachypodium distachyon (Bd-21，模式植物)、黑麦草Lolium perenne、小麦Triticum aestivum，黍亚科Pamicinae玉米Zea mays、高粱Sorghum bicolor。选择饱满，大小均匀的种子，所有种子在播种前均经过氧化氢灭菌消毒和催芽。
1.2 试验设计
进行单一作物长期连作的盆栽试验，每种植物至少6盆(即重复)，连续种植3季。考虑不同植物的生物量尽量一致的原则，花生、黄豆、西瓜、南瓜、番茄、马铃薯、二穗短柄草、黑麦草、小麦、玉米、高梁分别栽培5、5、5、5、7、2、10、40、10、5、5 株·盆−1，所选植物生长均匀，长势一致。
1.3 盆栽试验
于浙江农林大学人工气候箱进行试验，气候箱栽培条件为25 ℃、光照16 h，18 ℃、黑暗 8 h的昼夜循环，生长旺季时温度调至30 ℃。土壤水分基本保持在75%的田间持水量，其他栽培管理措施按一般要求进行，各盆保持一致。注意抗旱、防病虫，保证全苗及植株正常生长发育。
种植时间和采样时间如表1所示，每茬植物的收获时间处于该植物营养生长时期，根据植物生长的情况可适当调整采样时间，栽培时长为38~55 d，共采集3茬，鉴于本底土壤速效钾质量分数高、而氮磷质量分数低的实际情况，在第1季时选择磷酸二铵[(NH4)2HPO4]作为追肥[氮磷钾质量比(N∶P2O5∶K2O)为18∶46∶0]。肥料按照肥质量比1∶50进行配置，每盆每次浇50 mL，均以每季植物能正常生长为依据适当补施肥料，每季浇施3次。选择生长一致的4个重复，分别采集第1季和第3季的土壤样品，分析土壤酶以及土壤性质。收获时植物根系基本充满整个盆，密布于土壤之间，植物根系对土壤的影响涉及大部分土壤，可以认为盆中土壤均为根区土壤。将植物取出后的盆中土壤充分混匀后得到混合样品，风干待测。
表 1 植物栽培和收获时间表Table 1 Schedule for transplanting and harvesting栽植季度 栽培日期
(年-月-日)采样日期
(年-月-日)采收植物 第1季 2020-12-02 2021-02-02
2021-02-07
2021-02-20
2021-03-01
2021-03-08黄豆、花生
高粱、玉米
马铃薯、小麦
二穗短柄草、黑麦草
番茄、西瓜、南瓜第2季 2021-03-18 2021-04-29
2021-05-02
2021-05-07
2021-05-14
2021-05-17黄豆、玉米
花生、高粱
西瓜、南瓜、番茄
马铃薯、二穗短柄草
黑麦草、小麦第3季 2021-05-31 2021-07-14
2021-07-20
2021-07-21
2021-07-23玉米、番茄
黄豆、花生、马铃薯
西瓜、南瓜、高粱
黑麦、小麦、二穗短柄草1.4 土壤酶活性的测定
测定土壤碳、氮、磷循环的3类土壤酶：①碳循环土壤酶，包括α-葡萄糖苷酶(AG)、β-葡萄糖苷酶(BG)、纤维二糖水解酶(CB)、β-木糖苷酶(XYL)；②氮循环土壤酶，包括亮氨酸氨基肽酶(LAP)、N-乙酰-β-氨基葡萄糖苷酶(NAG)；③ 磷循环土壤酶，为酸性磷酸酶(PHOS)。酶活性测定采用SAIYA-CORK等[16]的荧光微孔板检测技术，具体测定方法：称取2 g土壤，加入醋酸缓冲液进行浸提，取200 μL浸提液与96孔板后立即加入反应底物，25 ℃ 培养箱中黑暗培养3 h，使用多功能酶标仪(SynergyTM H1，Biotek)在365和450 nm波长下测定吸光度并计算土壤酶活性。
2. 结果与分析
2.1 不同植物土壤pH及有效氮、磷差异
重点分析与土壤碳、氮、磷循环相关酶活关联最大的pH、碱解氮和有效磷等3个指标(表2)。与本底土壤pH 5.42相比，除玉米土壤外，其他植物种植1季后，土壤pH普遍下降，其中豆科植物下降幅度最小，而西瓜最大；第3季又比第1季下降，所有土壤pH均在4.5以下，土壤呈强酸性。连作后土壤碱解氮及有效磷明显增加，第1季土壤碱解氮质量分数西瓜最低、玉米最高，有效磷质量分数则是南瓜最高、小麦最低。第3季时土壤有效磷质量分数比第1季大幅增加，而碱解氮则有增有减。
表 2 第1季和第3季植物收获后不同植物根区土壤化学性质比较Table 2 Comparison of soil chemical properties in root zone of different plants after harvest in the first and third seasons植物种类 pH 碱解氮/(mg·kg−1) 有效磷/(mg·kg−1) 第1季 第3季 第1季 第3季 第1季 第3季 花生 5.03±0.05 bc 4.20±0.08 abc 561.65±60.70 cde 705.83±58.59 a 149.89±17.64 e 651.52±21.10 a 黄豆 5.23±0.17 ab 4.10±0.08 abc 567.42±34.93 bcd 577.84±30.07 ab 161.44±30.06 de 355.58±63.73 ef 西瓜 4.23±0.25 e 3.97±0.05 bc 492.05±46.00 e 672.01±96.79 ab 161.36±30.12 de 393.66±34.33 def 南瓜 4.90±0.22 cd 4.13±0.21 abc 664.13±22.70 ab 553.72±108.19 ab 323.48±17.76 a 577.35±93.74 ab 番茄 4.93±0.09 bc 4.13±0.12 abc 647.74±56.66 abc 520.56±131.32 abc 292.47±18.44 ab 478.03±0.02 bcde 马铃薯 4.77±0.05 cd 3.97±0.05 bc 530.86±10.41 de 360.96±12.77 c 267.34±49.73 abc 304.40±51.93 f 二穗短柄草 4.57±0.17 d 3.93±0.12 c 540.13±39.37 de 356.81±20.47 c 245.17±16.65 bc 425.49±40.00 cdef 黑麦 4.73±0.12 cd 4.23±0.12 ab 593.97±29.02 bcd 667.47±82.33 ab 218.97±46.98 cd 546.70±60.91 abc 小麦 4.83±0.05 cd 4.23±0.12 ab 567.93±26.81 bcd 687.14±71.14 ab 114.48±11.85 e 524.25±41.53 abc 玉米 5.43±0.17 a 4.27±0.21 a 699.27±75.11 a 546.80±114.25 ab 288.63±45.34 ab 599.87±42.06 ab 高粱 4.77±0.09 cd 4.13±0.05 abc 397.89±24.82 f 509.08±23.38 bc 124.26±3.98 e 485.14±24.71 bcd 说明：不同小写字母表示不同植物间差异显著(P＜0.05)。 2.2 不同植物土壤根际酶活性差异
2.2.1 第1季不同植物土壤碳、氮、磷循环相关酶活性差异
第1季土壤碳循环相关的AG和BG活性水平相近(图1 A和B)， AG活性较高的有南瓜、番茄、黑麦草和玉米，而小麦和高粱最低；BG活性较低为黄豆、马铃薯和玉米，较高组为花生、南瓜、黑麦草和高粱，同科植物均存在较大差异，甚至达显著水平(P＜0.05)。CB活性总体低于AG和BG，不同植物之间的高低水平与AG基本一致； XYL活性最高的是马铃薯，最低是黑麦草(图1C和D)。综上所知，种植1季后，不同植物之间4种土壤碳循环酶活性高低顺序没有显著分异，相对而言，几种禾本植物的波动较大，特别是玉米在所有植物中的排序处于最高(AG和CB)或最低(BG)的位置。与土壤氮循环相关的LAP和NAG活性其重复之间的变异比碳循环酶活性小，但南瓜土壤LAP活性异常高，其他植物之间没有显著差异(图1E)；NAG活性最高的是高粱，最低是马铃薯和二穗短柄草(图1F)。PHOS活性在不同植物之间的差异是所有酶中最小的，总体而言，禾本科植物高于非禾本科植物，其中最高的还是高粱(图1G)。
图 1 第1季不同植物土壤根区酶活性Figure 1 Soil rhizosphere enzyme activities of different plants after the first season分析第1季所有植物土壤酶活性之间的相关性结果发现：显著相关性只存在于AG与PHOS(R=−0.647)、BG与XYL (R=−0.605)及LAP (R=0.653)、CB与XYL (R=−0.704)，说明不同植物对土壤酶活性影响强度、甚至方向不相同，显著负相关(3组)多于显著正相关(1组)。
2.2.2 第3季不同植物土壤碳、氮、磷循环相关酶活性差异
第3季植物土壤酶活性，除XYL外，土壤酶活性的重复之间变异也显著缩小(图2)，其主要规律为非禾本科植物AG高于禾本科植物、而CB则相反；不同植物之间土壤BG活性差异不显著；禾本科植物XYL活性总体高于非禾本科植物。综上所知，种植3季植物后，二穗短柄草土壤几种碳循环相关酶活性总体较高，而玉米则总体较低。不同植物土壤2种氮循环酶活性没有一致的差异规律。土壤磷循环相关的PHOS活性则是同科的不同种出现一高一低相反的结果，二穗短柄草、黑麦草和小麦之间差异较小。
图 2 第3季不同植物土壤根区酶活性Figure 2 Soil rhizosphere enzyme activities of different plants after the third season分析第3季所有植物7种土壤酶活性之间的相关性结果发现：只有AG与BG (R=0.763)、LAP与PHOS (R=0.642)之间显著相关，说明植物对不同土壤酶活性影响分异性增加。
分析土壤酶的动态变化(图3)发现：与第1季相比，第3季植物收获后土壤酶活性多数呈增加趋势，其中CB活性的增幅最明显，而玉米则除BG外其余土壤酶活性均出现降幅。
图 3 不同植物第1季和第3季土壤酶活性平均增幅或减幅Figure 3 Average increase or decrease percentage of soil enzyme activities in the first and third plant seasons2.3 不同科及禾本科亚科植物根区土壤酶活性差异
将非禾本科植物以科为单位、禾本科以亚科为单位进行比较。禾本科包括二穗短柄草、黑麦和小麦等组成的早熟禾亚科(C3植物)以及由玉米和高粱组成的黍亚科(C4植物)。由图4发现：第1季不同科或亚科之间AG活性无显著差异，而第3季的茄科显著高于豆科和黍亚科(P＜0.05)。BG活性第3季各科、亚科之间无显著差异，第1季的葫芦科显著高于豆科和茄科(P＜0.05)，茄科的平均值最低。 第1季土壤的CB活性表现为黍亚科显著高于茄科(P＜0.05)，而第3季则是黍亚科显著低于早熟禾亚科及豆科(P＜0.05)，豆科显著高于葫芦科(P＜0.05)。XYL活性第1季无差异，而第3季早熟禾亚科显著高于其他科(P＜0.05)。土壤氮循环酶LAP活性第1季的葫芦科显著高于其他科(P＜0.05)，而第3季却没有显著差异；NAG活性第1季无差异，第3季黍亚科显著低于豆科、葫芦科和早熟禾亚科(P＜0.05)。PHOS活性第1季时黍亚科显著高于其他科(P＜0.05)，第3季则是豆科显著低于其他科(P＜0.05)。
图 4 不同科及禾本科亚科第1季和第3季植物根区土壤碳循环酶活性的差异Figure 4 Difference of carbon cycling enzyme activity between family or subfamily of rhizosphere soil in the first and third seasons以科或亚科为单位统计分析的动态变化结果(图5)表明：多科植物不同酶活性大多增加；豆科、茄科和早熟禾亚科增幅最大的是CB，葫芦科增幅最大的是PHOS，黍亚科增幅最大的是LAP。
图 5 不同科植物第1季和第3季土壤酶活性平均增幅或减幅Figure 5 Average increase or decrease percentage of soil enzyme activities in the first and third plant seasons based on plant family3. 讨论
3.1 不同植物之间土壤根区酶活性差异分析
种植1季植物后不同植物土壤的多项性质产生差异变化，pH 5.00以上的花生、黄豆和玉米，其中玉米pH最高，而西瓜和二穗短柄草pH较低，分别为4.23和4.57。土壤碱解氮的差异规律与pH基本一致，说明植物对氮利用越多，则土壤pH下降越大(西瓜和高粱)，这一结果符合氮肥引起土壤酸化的结论[17]。第1季后玉米土壤各项养分指标及pH均处于较高水平，可能是其吸收利用养分相对较少的结果，与高粱、小麦土壤差异明显。另外，除BG外，玉米土壤的其他3种碳循环酶活性均较高，而小麦则较低。玉米土壤酶活性与土壤养分呈正相关，与已有研究结果[18]一致。玉米和小麦土壤AG活性与BG活性相反，说明高水平土壤养分不利于BG活性发挥。BG水解结合于末端非还原性的β-D-葡萄糖键，与纤维素降解有关，由于纤维素的贫营养特征，因此，分解纤维素的微生物能够长期适应低养分水平土壤环境[19]。番茄和马铃薯土壤也是AG活性高，BG活性低，土壤氮磷水平总体与玉米相近。除了土壤养分外，植物也能通过根系分泌物影响土壤微生物，从而间接影响土壤酶活性。土壤LAP活性除南瓜异常高外，其他植物之间差异不大。南瓜土壤LAP活性异常高的原因可能与其根系分泌物存在诱导LAP活性提高的成分。南瓜被广泛用作砧木以缓解西瓜、黄瓜、甜瓜、冬瓜和苦瓜等多种植物连作障碍[20−24]，这与南瓜土壤较高的LAP活性有关。高粱土壤的NAG活性最高，BG活性也最高，NAG与几丁质降解有关，几丁质是真菌细胞壁的主要成分。高粱土壤可能存在较丰富的纤维素[25]，促进降解纤维素的真菌大量繁殖，从而积累含几丁质的大量真菌生物残体，诱导NAG活性增加。高粱土壤PHOS活性显著高于其他植物，已有研究表明：土壤有效磷较低可诱导PHOS活性[26−28]，由此推测，高粱土壤PHOS活性显著高是因为其土壤有效磷低于其他植物。本研究土壤PHOS活性总体均低于其他研究报道[29−30]。
种植3季作物后，土壤pH较第1季下降0.50~1.16，玉米仍然是所有植物中最高(4.27)，而西瓜、马铃薯和二穗短柄草则低于4.0；土壤碱解氮、有效磷显著增加，特别是有效磷增加了2~3倍，原因是本底土壤有效磷很低(6.00 mg·kg−1)，氮素水平也偏低(碱解氮51.17 mg·kg−1)，而速效钾丰富(193.33 mg·kg−1)，因此种植过程中追施高磷的磷酸二铵肥料以保证植物养分需求。第3季时土壤养分水平过高对土壤酶活性产生一定的负面影响，而二穗短柄草虽然其土壤pH仅3.93，但土壤氮磷水平较低，反而其各种土壤酶活性均较高；马铃薯土壤pH、养分水平与二穗短柄草相近，除XYL和NAG酶外，其他5种酶活性也较高。相反的情况发生在玉米，土壤养分水平较高但土壤各种酶活性相对较低，说明高水平养分对玉米土壤酶活性的负面影响比其他植物强。从第3季土壤酶的增减幅度结果证明：玉米土壤仅BG活性有小幅增加，其他6种酶均下降；而CB活性总体增幅最大，其中小麦和马铃薯分别增加519%和267%。CB水解纤维素释放纤维二糖，其增幅最大的原因可能：一是连作后真菌数量增加[31−32]，真菌是分解纤维素的最主要类群； 二是随着种植次数增加，土壤中纤维素不断积累，诱导微生物分泌CB。这与王雨晴等[33]的研究一致，即CB活性与纤维素含量及真菌基因丰度呈极显著正相关。
3.2 不同科及禾本科亚科植物根区土壤酶活性的差异分析
禾本科植物存在着广泛的基因序列和功能的保守性[34]，其他同科植物也有共性的遗传基因。一般而言，遗传相近的植物具有相似的根系分泌物、对养分的需求也较相似，由此推测，同一科植物对土壤微生物以及土壤酶活性可能有共性影响。第1季植物收获后，只有BG (葫芦科显著高于豆科和茄科)和CB (黍亚科显著高于茄科) 2种酶存在科之间的显著差异，而第3季收获后仅BG和LAP不存在显著差异，说明随着种植季数的增加，同科植物对土壤的共性影响逐渐显现。BG和CB都是降解纤维素的酶，最初的本底土壤微生物较少，而种植1季后土壤微生物大量繁殖，由于不同植物根系分泌物以及根系残体化学组成的差异，特别是根系残体中纤维素较多，由此引起不同科植物纤维素降解相关酶的差异。第3季时不同科植物土壤酶活性之间的差异加大，虽同为早熟禾亚科植物，但二穗短柄草在遗传上与小麦及黑麦草距离相对较远，因此第3季时其土壤AG和BG活性明显高于小麦及黑麦草。 第3季时非禾本科植物土壤AG活性明显高于禾本科植物，最高是茄科，而XYL则正好相反，其中最高的是早熟禾亚科。AG和XYL都是大分子有机物水解的末端酶，非禾本科植物土壤AG活性高，说明土壤中其上游大分子有机物中α-葡萄糖苷链接的多糖(如淀粉)较多，而禾本科植物土壤XYL活性高，说明土壤中上游大分子有机物中β-木糖苷酶链接的半纤维素多糖较多。也可能是禾本科植物的根系分泌物与非禾本科植物存在差异[35]。禾本科植物中早熟禾亚科土壤CB活性较高，但黍亚科则明显低于非禾本科植物，可能C3和C4植物的碳代谢物存在差异，需要后继分析根系分泌物。不同科植物第3季土壤CB和XYL活性的高低与第1季正好相反，豆科和茄科土壤CB活性明显升高，而黍亚科下降，茄科土壤XYL活性明显下降，而早熟禾亚科升高，说明CB和XYL可能存在互补关系。另外，禾本科植物土壤的XYL活性显著高于非禾本科植物，可能是禾本科植物土壤中半纤维素含量较丰富。XYL水解半纤维素产生种类丰富的五碳糖和六碳糖，是否有利于土壤微生物活动值得深入研究。黍亚科土壤PHOS活性在第1季和第3季土壤中均为最高，而其土壤NAG活性在第3季为最低。分科统计则土壤酶活性总体以上升为主，其中CB活性增幅最大，而豆科和茄科的XYL活性、葫芦科的LAP活性出现下降，黍亚科植物土壤的NAG活性和PHOS活性都出现下降，说明黍亚科植物土壤的氮、磷循环能力下降，可能是氮、磷养分增加显著，加上黍亚科植物对氮、磷的需求不高，因此，相关循环酶活性下降。
4. 结论
通过不同科11种植物第1季和第3季土壤碳、氮、磷循环相关酶活性分析发现：同科的2种植物不同土壤酶、同种土壤酶不同科植物的动态变化规律并不一致，第1季和第3季黍亚科植物土壤PHOS活性均为最高，其中，高粱又显著高于比玉米；第3季时禾本科植物土壤的XYL活性显著高于非禾本科植物，而3种早熟禾亚科植物土壤又显著高于黍亚科植物。禾本科植物土壤PHOS和XYL活性较高是否与其耐连作有关，需要深入研究连作次数和土壤微生物指标等。
-
表 1 变量赋值与说明
Table 1. variable assignment and description
类别 变量名 具体含义与赋值 均值 标准差 最小值 最大值 因变量 是否测土配方施肥技术 否为0；是为1 0.61 0.49 0 1 自变量 是否参与契约农业 否为0；是为1 0.32 0.46 0 1 农场主特征 性别 女为0；男为1 0.89 0.32 0 1 年龄 岁 46.14 8.52 18 73 受教育程度 未上过学为1；小学为2；初中为3；高中为4；中专为5；
职高为6；大专为7；本科为8；研究生及以上为93.89 1.38 1 9 是否接受过土肥培育技术培训 否为0；是为1 0.54 0.50 0 1 从事农业规模经营年限 a 7.75 4.81 0 36 是否为外村户籍 否为0；是为1 0.82 0.39 0 1 主要从业经历 非普通农民为0；普通农民为1 0.37 0.48 0 1 农场特征 是否在工商部门登记注册 否为0；是为1 0.80 0.40 0 1 是否为农业部门认定的示范农场 否为0；是为1 0.55 0.50 0 1 土地经营总面积 hm2 23.88 32.63 2.00 475.30 全部经营土地块数 块 13.30 28.32 1 385 家庭成员中在农场工作的人数 人 2.88 1.17 1 15 日常收支记录 否为0；是为1 0.76 0.43 0 1 土地未来扩张意愿 否为0；是为1 0.41 0.49 0 1 是否有生产经营性借款 否为0；是为1 0.60 0.49 0 1 是否购买农业保险 否为0；是为1 0.62 0.48 0 1 
下载: 导出CSV
表 2 Probit模型估计结果
Table 2. Probit model estimation results
类别 变量 测土配方施肥技术采纳行为 系数 标准误 是否参与契约农业 0.621*** 0.083 农场主特征 性别 −0.013 0.108 年龄 0.006 0.004 受教育程度 0.005 0.027 是否参加土肥培育技术培训 0.516*** 0.069 从事农业规模经营年限 0.018** 0.007 是否为外村户籍 −0.144 0.091 主要从业经历 −0.425*** 0.076 农场特征 是否在工商部门登记注册 −0.091 0.093 是否为农业部门认定的示范农场 −0.123 0.075 土地经营总面积 0.000 0.000 全部经营土地块数 0.000 0.001 家庭成员中在农场工作的人数 0.007 0.029 是否有日常收支记录 0.613*** 0.087 土地未来扩张意愿 0.205*** 0.072 是否有生产经营性借款 −0.031 0.073 是否购买农业保险 0.196*** 0.074 常数项 −0.880*** 0.302 样本量 1 706 拟合优度 0.184 χ2 420.10 说明：
**、***分别代表在5%、1%的统计水平下显著
下载: 导出CSV
表 3 契约农业参与的平均处理效应
Table 3. Average processing effect of contract farming participation
匹配方法 处理组/对照组(样本数) EATT 匹配方法 处理组/对照组(样本数) EATT 最近邻匹配(K=1) 538/1 168 0.195***(0.040) 半径匹配(R=0.01) 529/1 091 0.196***(0.029) 最近邻匹配(K=4) 533/1 114 0.183***(0.034) 核匹配 533/1 114 0.190***(0.026) 说明：括号内为标准误；***表示在1%的统计水平下差异显著
下载: 导出CSV
-
[1] FISCHER G, WINIWARTER W, ERMOLIEVA T, et al. Integrated modeling framework for assessment and mitigation of nitrogen pollution from agriculture: concept and case study for China [J]. Agric Ecosystems Environ, 2010, 136(1/2): 116 − 124. [2] 张复宏, 宋晓丽, 霍明. 果农对过量施肥的认知与测土配方施肥技术采纳行为的影响因素分析: 基于山东省9个县(区、市)苹果种植户的调查[J]. 中国农村观察, 2017(3): 117 − 130. ZHANG Fuhong, SONG Xiaoli, HUO Ming. Excess fertilizer application and growers’ adoption behavior for soil testing for fertilizer formulation and their determinants: an empirical analysis based on survey data from apple growers in 9 counties of Shandong Province [J]. China Rural Surv, 2017(3): 117 − 130. [3] 梁志会, 张露, 张俊飚. 土地转入、地块规模与化肥减量: 基于湖北省水稻主产区的实证分析[J]. 中国农村观察, 2020(5): 73 − 92. LIANG Zhihui, ZHANG Lu, ZHANG Junbiao. Land inward transfer, plot scale and chemical fertilizer reduction: an empirical analysis based on main rice-producing areas in Hubei Province [J]. China Rural Surv, 2020(5): 73 − 92. [4] 王思琪, 陈美球, 彭欣欣, 等. 农户分化对环境友好型技术采纳影响的实证研究:基于554户农户对测土配方施肥技术应用的调研[J]. 中国农业大学学报, 2018, 23(6): 187 − 196. WANG Siqi, CHEN Meiqiu, PENG Xinxin, et al. Empirical study on the influence of rural-household differentiation on their willingness to adopt environment-friendly technology: based on the investigation of 554 peasant households’ application of soil testing formula fertilization technology [J]. J China Agric Univ, 2018, 23(6): 187 − 196. [5] 李子琳, 韩逸, 郭熙, 等. 基于SEM的农户测土配方施肥技术采纳意愿及其影响因素研究[J]. 长江流域资源与环境, 2019, 28(9): 2119 − 2129. LI Zilin, HAN Yi, GUO Xi, et al. Analysis of influencing factors on farmers’ willingness to adopt soil testing and formula fertilization technology based on SEM [J]. Resour Environ Yangtze Basin, 2019, 28(9): 2119 − 2129. [6] 蔡颖萍, 岳佳, 杜志雄. 家庭农场畜禽粪污处理方式及其影响因素分析: 基于全国养殖型与种养结合型家庭农场监测数据[J]. 生态经济, 2020, 36 (1): 178 − 185. CAI Yingping, YUE Jia, DU Zhixiong. Analysis on the treatment of livestock and poultry manure and its influencing factors in family farm and combination of planting and breeding farm: based on the monitoring data of the aquaculture and combination family farms in China [J]. Ecol Econ, 2020, 36 (1): 178 − 185. [7] 冯晓龙, 霍学喜. 社会网络对农户采用环境友好型技术的激励研究[J]. 重庆大学学报(社会科学版), 2016, 22(3): 72 − 81. FENG Xiaolong, HUO Xuexi. Influencing of social network on farmers’ adoption of environmental-friendly technology [J]. J Chongqing Univ Soc Sci Ed, 2016, 22(3): 72 − 81. [8] 姚文. 家庭资源禀赋、创业能力与环境友好型技术采用意愿: 基于家庭农场视角[J]. 经济经纬, 2016, 33(1): 36 − 41. YAO Wen. Family resources, friendly entrepreneurial ability and intention on environmental technology adoption: based on the family farm view [J]. Econ Surv, 2016, 33(1): 36 − 41. [9] 夏雯雯, 杜志雄, 郜亮亮. 土地经营规模对测土配方施肥技术应用的影响研究: 基于家庭农场监测数据的观察[J]. 中国土地科学, 2019, 33(11): 70 − 78. XIA Wenwen, DU Zhixiong, GAO Liangliang. Study on the impact of land operational scale on the application of formula fertilization technology by soil testing: based on the observation from family farm monitoring data [J]. China Land Sci, 2019, 33(11): 70 − 78. [10] 曹铁毅, 王雪琪, 邹伟. 家庭农场测土配方施肥行为分析: 基于人力资本和社会资本禀赋[J]. 干旱区资源与环境, 2020, 34(5): 117 − 123. CAO Tieyi, WANG Xueqi, ZOU Wei. Analysis on the behavior of soil testing and formula fertilization of family farm: based on human capital and social capital endowment [J]. J Arid Land Resour Environ, 2020, 34(5): 117 − 123. [11] 王娜. 测土配方施肥: 带动施肥水平整体提高[EB/OL]. (2009-10-14)[2021-05-06]. http://www.moa.gov.cn/ztzl/ctpfsf/jyjl/200910/t20091014_1365202.htm. WANG Na. Soil testing and formula fertilization: drive the overall improvement of fertilization level[EB/OL]. (2009-10-14)[2021-05-06]. http://www.moa.gov.cn/ztzl/ctpfsf/jyjl/200910/t20091014_1365202.htm. [12] ATANU S, LOVE H A, SCHWART R. Adoption of emerging technologies under output uncertainty [J]. Am J Agric Econ, 1994, 76(4): 836 − 846. [13] 毛慧, 周力, 应瑞瑶. 风险偏好与农户技术采纳行为分析: 基于契约农业视角再考察[J]. 中国农村经济, 2018(4): 74 − 89. MAO Hui, ZHOU Li, YING Ruiyao. Farmers’ risk preferences and their technology adoption behavior: an examination from the perspective of contract farming [J]. Chin Rural Econ, 2018(4): 74 − 89. [14] 郜亮亮. 中国种植类家庭农场的土地形成及使用特征: 基于全国31省(自治区、直辖市) 2014—2018年监测数据[J]. 管理世界, 2020, 36(4): 181 − 195. GAO Liangliang. Characteristics of land composition and usage of the crop family farms: based on a unique 5-year consecutive family farm monitoring dataset (2014−2018) [J]. Manage World, 2020, 36(4): 181 − 195. [15] 岳佳, 蔡颖萍, 吴伟光. 工商注册对家庭农场化肥农药减量施用的影响分析: 基于452个家庭农场的调查[J]. 湖州师范学院学报, 2020, 42(5): 7 − 14. YUE Jia, CAI Yingping, WU Weiguang. An analysis of the impact of industrial and commercial registration on the reduction of chemical fertilizer and pesticide application in family farms: based on survey data of 452 family farms [J]. J Huzhou Univ, 2020, 42(5): 7 − 14. [16] 蔡颖萍, 杜志雄. 玉米临时收储政策调整对家庭农场土地流转租金的影响分析[J]. 中国农村观察, 2020(3): 114 − 129. CAI Yingping, DU Zhixiong. The influence of the adjustment of temporary corn collection and storage policy on the land rent of family farms [J]. China Rural Surv, 2020(3): 114 − 129. [17] 蔡荣, 汪紫钰, 杜志雄. 示范家庭农场技术效率更高吗?基于全国家庭农场监测数据[J]. 中国农村经济, 2019(3): 65 − 81. CAI Rong, WANG Ziyu, DU Zhixiong. Are model family farms more technically efficient? an analysis based on the monitoring data of national family farms [J]. Chin Rural Econ, 2019(3): 65 − 81. [18] 刘灵辉. 家庭农场土地流转合同期满续约过程中的利益博弈[J]. 西北农林科技大学学报(社会科学版), 2020, 20(2): 79 − 87. LIU Linghui. Benefit game between family farms and other farmers when the land transfer contract expires and the contract needs to be renewed [J]. J Northwest A&F Univ Soc Sci Ed, 2020, 20(2): 79 − 87. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200726
点击查看大图
计量
- 文章访问数: 1042
- HTML全文浏览量: 223
- PDF下载量: 42
- 被引次数: 0
