研究

加纳小农社会网络与资源节约型农业:使用指数随机图模型的多酶比较

• 摘要
• 简介
  • 农民合作社案例研究
• 方法
  • 选址
  • 人口和网络数据收集
  • 环境数据收集
  • 数据分析
• 结果
  • 参与者和网络属性
  • 农场和社区层面的环境成果
  • 观察到的网络和环境结果
  • 指数随机图模型估计
• 讨论与结论
  • 资源节约型农业、环境成果和观察到的网络
  • 网络匹配和环境结果的作用
  • 对指数随机图模型研究、农业政策和农民发展的启示
• 对本文的回应
• 致谢
• 文献引用

介绍

非洲农业正受到全球环境变化的严重威胁。尽管该地区排放的温室气体仅占全球总量的3% (Tubiello et al. 2013)，但即使全球气温上升幅度很小，该地区受到的影响也比其他任何地方都要严重(Niang et al. 2014)。受气候变化威胁最大的非洲农业部门之一是粮食和经济作物部门。beplay竞技国际气候科学家预计，到2050年，由于气候变化和变化，非洲作物产量将减少22% (Sultan et al. 2013, Niang et al. 2014)。粮食和经济作物的生产力将受到日益缩短的生长季节、不稳定的降雨、反复发生的干旱、热压力以及干旱和低肥力土壤的影响(Torquebiau 2016年)。温度的变化还可能影响入侵性害虫和作物病害的扩散和传播，对产量、粮食价格和粮食安全产生毁灭性影响(Biber-Freudenberger等人，2016年，Torquebiau 2016年)。

有充分的证据表明，通过使用创新的、资源节约的和亲环境的农业技术，包括免耕农业、农畜一体化、农林复合、间作和其他保护性农业实践，可以避免很大一部分潜在的产量损失(Dewees等人2011年，Mbow等人2014年，Altieri等人2015年，Govorushko 2016年，Kim等人2016年，Kongsager等人2016年，Nyantakyi-Frimpong等人2017年)。我们关注其中的一种做法:农林复合。广义上，农用林业被定义为“为了各种利益和服务，有目的地将树木和作物或动物一起种植的任何实践”(Kim等人，2016:66)。作为一种资源节约的做法，农林复合林业使农业系统多样化，提供了经济和生态效益(dewey等人2011年，Mbow等人2014年，Martin和Isaac 2015年，Govorushko 2016年)。作为一种农业生态系统，农林复合作物有助于防治病虫害、固氮、增强土壤稳定性和改善小气候(Malézieux等，2009年，Munroe和Isaac 2014年，Kim等，2016年)。此外，通过加强细根生产、根沉积和木本组织碳储存，农林业是所有土地利用类型中碳封存潜力最大的一种(Kim等，2016年)。因此，农场上的树木同时支持地上和地下生态系统服务，使农用林业不仅是适应气候的主要形式，也是一种缓解战略(Mbow等人2014年，Govorushko 2016年，Kongsager等人2016年)。

目前，人们对投资非洲农林复合系统的兴趣日益浓厚(dewes等人，2011年)。大量的农业技术采用文献研究了影响农民植树决策的因素。这些研究表明，将树木纳入耕作系统的决定受土地使用权、劳动力获取、农场规模、资本和教育水平的影响(Nkamleu和Manyong, 2005, Gyau等人，2012,Mbow等人，2014)。尽管我们有一些重要的研究评估了合作(Levy和Lubell 2018)和组织成员(Rico García-Amado et al. 2012)在农业网络中的作用，但人们对农村合作社的作用、它们的网络结构以及这些结构对农林复合和其他资源节约型农业实践的影响仍然知之甚少。正式和非正式网络及其相互作用越来越被强调为社区和农业资源管理的采用和成功的关键变量(Bodin和Tengo 2012, Isaac 2012, Isaac和Matous 2017)。了解和优化已建立和活跃的合作社内部的这些网络无疑将加强合作行动的目标，并在面对环境和社会变化时促进取得成功的成果。

我们的主要目的是通过对可可(可可)的原始研究来解决这一知识差距。Theobroma可可西非加纳的葡萄种植区。更具体地说，我们有兴趣了解农村合作农户之间信息共享和咨询寻求的结构模式，以及这些结构关系对农业生态系统管理的意义。我们问两个主要的研究问题:

1. 农村合作社内部的信息网络结构或主题是什么?
2. 什么样的结构、人口统计和/或环境属性最能预测这些信息网络的形成?

我们用来自同一合作组织的农民的数据来检验这些问题，这些农民居住在五个地理位置不同的地方。回答这些问题尤其需要多个数据点，我们使用了五个站点的数据，包括农民的社会网络、人口统计、农场层面的生物物理特征和社区层面的环境结果。

在方法论上，我们使用观察到的网络数据来回答这两个问题，但却是两种不同的统计方法。第一个问题是使用标准网络分析和指数随机图模型(ERGMs;Robins, Pattison，等人。2007,Robins, Snijders，等人。2007,Wang等人。2013,Dickison等人。2016,Wang等人。2016)分析多个网络内的内生机制。第二个研究问题是通过使用来自野外和ergm的生物物理数据来解决的。ergm最初是在20世纪90年代后期开发的(Pattison和Wasserman 1999)，在过去几年里，ergm作为社交网络分析中传统方法的一种进步，并解决了与之相关的局限性(Robins, Pattison, et al. 2007, Robins, Snijders, et al. 2007)，越来越受欢迎。标准网络方法虽然作为一种统计分析观察到的网络数据的方法被广泛采用，但也存在局限性，例如无法在网络级别上检查联系的形成，无法解释潜在的交叉依赖和紧急网络结构(Wang et al. 2013)。ergm解决了这些限制。我们使用标准网络分析来显示行为者协变量和他们的链接之间的直接统计关系。我们使用ergm来控制内源性网络趋势。因为我们关注的是多个网络，ergm结合标准社交网络分析提供了一个无价的工具，因为它们能够检查多酶比较(例如Brennecke和Rank 2016)。

农民合作社案例研究

我们对加纳一个注册的可可农民合作社进行了这个案例研究。出于机构匿名的目的，我们将该组织称为农民合作社。该组织成立于20世纪90年代初，旨在满足感兴趣的可可农的以下需求:(1)增强可可农的议价能力;(2)帮助集体管理可可生产风险;(3)帮助农民以远低于个人获得的价格获得补贴的可可投入;(4)通过鼓励资源节约型农业做法，确保加纳可可生产的长期可持续性。农民合作组织最初有大约3000名农民成员，目前在加纳1300个社区拥有近6.5万名农民。它是西非最大的公平贸易认证的可可合作社之一。它在加纳的所有5个可可产区，即阿散提、布隆阿哈福、中部、东部和西部地区开展业务。

作为可持续发展目标的一部分，2011年，农民合作组织与一个欧洲组织(以下简称EURORG)合作，支持加纳的可可农林复合生产。在这一合作关系下，euroorg同意提供全额资金，而农民合作组织同意鼓励其可可农民在可可农场和退化土地上种植多功能树。三个相互关联的因素影响了这一伙伴关系协议:第一，利用农林业的众所周知的好处(Asare等人，2014年，Vaast和Somarriba 2014年)，确保在气候变化日益加剧的时代可持续的可可生产;二是多渠道增加农民收入;第三，避免对合成农业投入的依赖，同时为公平贸易市场保持可可生产的质量和数量。该伙伴关系始于2011年，在13个可可种植社区种植了5万棵树。在接下来的一年(2012年)，共有10万棵树苗被分发和种植在另外18个社区。由于农民对可可农林复合项目的兴趣日益浓厚，2014年，农民合作社和euroorg在4个可可种植社区进一步增加了1万棵树。

一旦加入该项目，农民就可以获得免费的幼苗和如何种植和管理新树木的技术援助。euroorg为苗圃和幼苗的供应支付费用，而合作农民则以场地准备、固定、植树、照料和消防等形式提供劳动力。项目社区的选择是基于农民总数和将树木纳入可可和自给农场的意愿。农民需要从三种农林复合模式中进行选择。模型一(边界种植)涉及在可可地块周边种植树木(图1A)。模型二(混合)涉及混合了可可和其他自给作物的树木(图1B)。模型三(纯林分)涉及作为人工林种植的树木，不整合任何可可或自给作物(图1C)。农民可以在多个地块上采用一种或多种现有的农林复合模式，但不能在同一地块上采用。

方法

选址

我们的野外工作时间为2016年2月至4月。采用多阶段抽样程序选择研究地区、地区、社区和农民。首先，我们与农民合作组织的官员进行了一系列磋商，以确定该组织在促进可可农林复合方面存在时间最长的地区。从这些磋商中，选择了阿散蒂地区，因为自2011年1月以来，该地区已推广了可可农林复合林业。该地区位于加纳中部潮湿的半落叶林区(北纬5°50′至7°46′，西经0°15′至2°25′)。大多数居民依靠农业和雨水灌溉种植可可、玉米、木薯、山药、可可豆、大蕉和其他作物，男性和女性都从事这种耕作(加纳统计局2013年)。

然后，我们采用有目的的抽样方法，选择符合以下两个要求的社区:(1)2011年参与第一波植树活动的社区;(2)至少有15名农民参与可可农林综合项目的社区。我们之所以选择前两个标准，是因为5年(从2011年到2016年)足以衡量社区层面的环境成果，即来自农林业项目的地上生物量碳的差异存储(Vashum和Jayakumar 2012)。此外，为了便于比较，我们更喜欢规模相似的网络。

总的来说，选定的地区有30个行政区。我们在4个地区和5个相对较小的社区进行了实地调查，人口从740人到4321人不等。这些社区位于不同的地理位置。平均而言，它们之间的距离约为29公里，在社会关系上没有明显的交叉。它们在民族组成和农业做法方面非常相似，但在非政府组织的存在和干预时间等其他方面则有所不同。表1对比了这5个社区的主要特征，包括规模、家庭数量、种族组成、土地所有权和接受采访的农民数量。表1中的所有资料都是从与农村男女举行的会议中收集的，并经加纳统计局的普查报告加以证实。我们通过与农民合作组织的几次磋商，接触到了当地社区及其可可农。

A小区有1357名居民，是5个研究小区中第四大的小区。它距离最近的城镇约35公里，距离任何其他研究社区都不少于21公里。自2006年以来，该社区出现了越来越多的非政府组织，其项目包括农林复合、适应气候变化、土壤保护和引入玉米新品种。beplay竞技就基础设施发展而言，B区是五个地点中最贫穷的。这个社区有740名居民，他们都从事可可种植和自给自足的食品生产。这个地点没有任何非政府组织的活动，在雨季机动车辆无法进入这个社区。由于地处偏远，道路条件恶劣，社区的农民很难出售他们的农产品。最近的城镇在43公里以外。C区人口为2056人，距离其余研究地点不少于37公里。自2001年以来，它就有了非政府组织的存在，项目包括水土保持、可可农林复合种植以及组建农民种子分享小组。 Compared with the other study sites, Community C is relatively developed in terms of community infrastructure such as roads, schools, and health facilities. Agriculture was the only livelihood strategy in the community until the late 1990s, when small-scale gold mining became popular. Community D is the largest among the study sites in terms of population (4321 people). Among the 5 sites, it is also the community with the longest presence of NGO activities, with projects including cocoa agroforestry, cane rat (Thryonomys swinderianus)饲养和水土保持。此外，它是加纳阿散蒂地区可可生产历史最悠久的社区之一。它距离最近的城镇21公里，距离其他研究地点平均约29公里。E社区是一个孤立的地点，与附近所有的定居点隔绝。它有2767名居民，距离其他4个地点约28公里。可可种植和自给作物种植是主要的生计活动。与其他4个站点不同的是，E社区的手机连通性非常差，社区内的信息交流非常困难。

人口和网络数据收集

在每个选定的社区，我们获得了农民合作项目下注册农民的完整名单，并对所有参与可可农林复合项目的农民进行了调查。尽管农用林业地块属于单个家庭或一组家庭，但调查目标人口被定义为农用林业地块正式注册的家庭或家庭成员，即实际接受农用林业项目初始培训的人，并参加由农民合作社组织的定期月度和农业推广会议的人。这种抽样协议在每个村庄实现了一个“社区”网络，因为我们采访了合作社中列出的每个人。从本质上讲，我们的“社区”网络和“社区”成果是建立在合作的社区之上的，而不是整个村庄。

调查工具由41个问题组成，分为3个部分。第一部分包含了农民的背景信息，包括年龄、性别、土地面积、教育程度、婚姻状况、成为农民合作社成员的年数、农业生产实践和年收入总额。第2节载有关于用于可可复合林业的土地的社会和物理属性的问题，包括土地使用权、作物类型、土地上的树种类型、收获的树苗数量和采用的复合林业模式类型。第3节载有关于农民对农民信息共享网络的问题。研究人员向受访者提供了一份他们所在社区的所有农民合作项目参与者的名单，然后要求他们从名单中确定从谁那里获得信息。这条网络提示的准确英文翻译如下:“在这张参与可可农用林业的农民名单中，您联系谁来寻求建议、学习或获取关于可可种植和农用林业的信息?”接着，我们又问了一系列关于信息共享的接触性质、频率和方式的问题。当生物量被测量时，报告的诱生关系是存在的。在一名农民查明名单上所有可能的联系人后，要求他或她说出名单上没有包括的任何其他人员的名字，以便向他们寻求有关农业或农林复合方面的信息。参与者对信息共享的反应被编码为二进制变量(其中“1”表示存在联系，“0”表示不存在联系)，并输入到nxn邻接矩阵，其中n为演员总数。

所有的调查都是由作者和一个训练有素的研究助理完成的。调查是面对面进行的双胞胎学习社区的当地语言。共有104名农民完成了调查，各社区的样本量如下:n= 16)、B社区(n= 16)、C社区(n= 18)、D社区(n= 25)及E社区(n= 29)。E社区的回复率为96%，其余社区的回复率为100%。这项研究获得了多伦多大学社会科学、人文和教育研究伦理委员会的伦理批准，用于涉及人类参与者的研究。每次访谈前均需征得知情同意。

环境数据收集

我们使用计算得到的地上生物量和碳储量作为个人和社区层面的环境成果，这些生物量和碳储量来源于采用农林复合项目。为此，利用热带湿润林分的广义树木生物量回归法，通过测量树冠高度的直径和树高，计算出农民合作社/EURORG在这些农用林业系统中随机分配的10米× 10米地块内种植的树木的地上生物量(Chave等人，2014年):

(1）

在哪里y为地上生物量(kg)， 0.43为广义木材密度，DBH为胸径(cm)，H为树高(m)。生物量报告以10 × 10米的地块为基础(100平方米)，并根据报告的农场规模外推到农场基础上，并通过实地测量进行验证。每个农场的生物量值是一个社区中所有个体的总和，以估计每个社区因采用农林复合作物而积累的总生物量。对小区、农场和社区规模的农用林业项目相关的地上生物量以及农用林业模式选择进行了分析，以确定社区之间的统计差异。

数据分析

标准网络数据分析

对网络数据进行了大量的网络度量分析。入位数是到一个网络节点(或一个顶点)的传入链接(或使用图论的术语“边”)的数量。出度是出链路的数量。图密度表示网络中现有链接占所有节点对的比例，即实际链接数除以给定节点集上可能存在的潜在的理论最大链接数。可传递性表示在具有共同网络伙伴的节点对中，直连网络节点对所占的比例。传递性高意味着网络中封闭三角形的比例高，在这个网络中，朋友的朋友很可能成为朋友。虽然2星是网络(或网络“母题”)的基本部分，其中两个节点连接到公共的第三个节点，但在三角形中，所有三个节点都直接连接到彼此。“双三角形”是指两个相邻的三角形通过一条共同的边连接在一起。隔离是没有链接(或边)的节点(或顶点)。根据我们的研究设计，我们将这些网络指标与环境结果(每个农场的生物量和社区一级的总生物量)进行了比较。 All network analysis was conducted in R v. 3.0.2 (R Foundation for Statistical Computing, Vienna, Austria) and visualization in Netdraw (Borgatti 2002).

指数随机图模型

我们拟合ergm以评估五个网络之间的异同。使用PNET软件和无向网络选项(Wang et al. 2009)对ergm进行估计。网络被建模为无向的原因是无法获得有向数据的收敛估计。ERGMs虽然是一种强大的技术，使研究人员能够进行传统方法无法进行的分析，但已知的模型简并问题是，参数值产生的双峰或多峰分布与观测到的网络不匹配。在这种ERGM规范下，极大似然估计是不可靠的。因此，在目前的ERGM模型中，如果其中任何一个参与者(或两个参与者)提到另一个作为信息源，则认为两个参与者是连接的。因此，ERGM的结果没有区分受欢迎的顾问和积极的信息寻求者。为了测试所有的网络是否可以由相同的网络机制共同表示，我们将同一模型中的所有社区组成一个模型，并测试相同的以及可选的规范。没有一个模型趋同，这表明在各自社区中运行的过程太过多样化，不能被同一个模型所捕获。这些社区相距很远，受访者报告说没有相互联系。 This fact was represented in the joint model by “structural zero,” that is, designated pairs of nodes between which the model does not create any links during simulations. For completeness, we also tested joint models without structural zeros, but these did not converge either, which was expected.

我们应用了一个通用模型规范(对多个模型使用相同的参数集)，分别对五个团体进行评估。在模型中，我们包含了几个结构参数(图2)，包括基于星形和基于三角的效应，以表示网络结构，这是基于我们对以前文献的选择(例如，Lusher等人，2012)。高聚类和偏度分布是许多现实社会网络的共同属性(Kadushin 2012)。人们早就知道，真实的社交网络往往比随机模型预测的更密集(Davis 1970)。这种高网络传递性和倾斜度分布需要在ERGM中通过包含星形和三角形效应来控制。星形表示高度节点，而闭合三角形的流行程度量化了网络中的集群程度。每个网络的这些参数的确切规格是由经验的拟合优度(GOF)测试决定的。

我们从最基本的网络参数(如边缘、2星、三角形和隔离)开始，然后在添加更高阶参数时测试模型的响应，这是推荐的方法(Wang et al. 2009)。例如，如果我们包含一个表示两个相互连接的三角形的效果(T₂)，而不通过一个三角形参数(T₁)，甚至更关键的是，网络中边缘的总数量。这与传统的回归分析类似，通常建议在使用这些变量的交互作用之外，还包括单独的变量。

在大量理论考虑和GOF统计的指导下，模型拟合过程的第一个重点是内生网络效应。如果模型退化，或者如果模型没有对所有五个网络收敛，则修改规范。如果一个模型对更多不属于该模型的辅助统计信息提供了足够的拟合，那么它就被认为是更好的模型。当包含任何新的结构效应似乎不再改善模型拟合时，拟合工作转移到节点特征上。

我们分别和组合测试了一些行动者属性参数，包括人口统计学变量，表明性别、收入、土地规模、受访者的移民状况，以及环境结果，特别是生物量。同样，如果模型退化，没有收敛，或者它们的包含恶化了模型拟合，则排除演员属性参数，并加入新的参数。我们继续这个过程，以完善模型，直到我们达到最终的模型规范，导致收敛和可接受的适合所有五个网络。节点特征在标题为(1)“sum”，(2)“difference”和(3)“product”的效果中被考虑。这三种效应作为一个集合考察了(1)一对农民中至少有一个农民保持较大的生物量水平，(2)两个农民生物量水平之间的差异，以及(3)两个农民都拥有较大的生物量，在信息交换中的作用。总和效应检验了两个在其地块上拥有大量生物量的参与者之间是否更有可能存在联系的可能性。即使其中一个行为者的农场几乎没有生物量，在另一个行为者的农场的生物量很高的情况下，总和也可能很高。这一特征将总和效应与产品效应区别开来:如果一个农民在土地上的生物量非常少，即使另一个农民保持较高的生物量，产品也会很小。

我们不提出不完整的规格，产生的模拟网络不符合观察到的现实，因为他们的参数是无意义的。最适合一个社区的模型可能并不适合另一个社区。我们的目标是为具有相同规范的所有社区获得可接受的适应性，以获得可比的结果。这被证明是可能的，只有一个例外的2三角形(T₂)，这并不包括在社区C的情况中，因为如果包括这一影响，ERGM就不会收敛。唯一有助于模型拟合的行动者水平变量是生物量的生物物理度量。所有其他参与者级别的变量都必须被排除。

在估计过程结束时，我们的模型对每个参数进行收敛t收敛的统计数字(t< 0.1)。我们的模型也满足了Koskinen和Snijders(2012)以及Robins和Lusher(2012)提出的GOF的要求。GOF捕获了观测数据与理论预期值的匹配程度，这是通过使用平均值= 0和标准差= 1的标准化差来计算的(Koskinen和Snijders 2012)。理想情况下，对于模型中包含的变量，其阈值低于0.1，对于非包含的变量，其阈值低于2，尽管偶尔较高的值也是可以接受的(Robins和Lusher 2012)。在我们的案例中，所有变量的GOF都低于2，而且马氏距离很小，因此表明估计是可靠的。

结果

参与者和网络属性

研究样本中男性(75%)多于女性(25%)。受访者的年龄从28岁到90岁不等，平均56岁。平均家庭规模为10人，这一数字高于阿散提地区的平均家庭规模(每户4.2人;加纳统计局2013年)。平均而言，受访者的耕地面积约为17.1公顷，范围为2至200公顷(只有1名受访者拥有200公顷的相当大的土地)，年收入为3199美元。表1总结了这一人口统计信息，并提供了关于样本人口和研究社区的附加信息。

表2列出了五个社区的网络描述性统计数据。虽然这5个社区表现出相对相似的社区网络特征，但社区D中每个参与者的连接数最高(3.88)，比社区B中每个参与者的连接数最低的社区高58%。同时，社区D显示出最高的传递性平均值(0.56)，表明有共同伴侣的人，由于网络中的集群倾向，链接的概率增加到56%。社区A的网络密度最高(0.21)，这意味着村里21%的个体对通过信息共享链接连接在一起。图3显示了所有社区网络。

农场和社区层面的环境成果

在农用林业项目下种植的5个社区的平均地上生物量在每100平方米地块的98.1到162.1公斤之间(表3)。当这些由异速生长方程计算的生物量值被缩放到整个农场时，平均值在18.0到65.7毫克/农场之间，表明地上生物量的范围接近3倍，因此，与农林业项目相关的可变碳储量(9.8 ~ 16.2 Mg C/农场)。表3中的数据显示了各群落中每种农林复合模式的平均地上生物量。虽然纯林分模式不受欢迎(只有13%的农民采用这种模式)，但由于种植密度较高，它在公顷规模上包含了最高的平均生物量(222.3 Mg/ha)，相比之下，混合了可可和其他自给作物的树木(82.27 Mg/ha)和沿着地块外围的树木(82.18 Mg/ha;见表3)。

观察到的网络和环境结果

主网与环境变量的关系如表4所示。Indegree和transitivity是数据集中相关性最强的一对变量，它们的相关性为负(r= -0.421;P< 0.001)。这表明受欢迎的农民个体网络不那么密集。同样，报告在社区内可获得更多信息来源的农民，其个人网络更稀疏(r= -0.215;P= 0.031)。我们发现，生物量与生物量(r= 0.217;P= 0.026)。在社区中被认为是农业知识有用来源的农民往往在其农林业地块上拥有更多的生物量。然而，生物量积累与超出程度无关，即，受访者报告的同伴数量作为他们的信息来源。

指数随机图模型估计

表5给出了模型估计的结果。结果被安排在两个水平部分:第一，跨社区的结构网络参数;第二，环境结果(地上生物量)。在每种情况下，只给出了参数估计和标准误差。每个参数的估计是“在控制”模型中其他参数的情况下计算的，因此在解释每个参数时要考虑模型中的其他影响。例如，模型中的边缘参数是链接密度的控制，在两个群落(C和E)中为负显著。这意味着在没有其他影响的情况下，个体之间建立链接的倾向在这些群落中并不普遍，例如，其中一个节点是高度节点，因此，添加链接将增加模型中正显著的2星motif的数量。

总体而言，ERGM的结果显示了对2星参数的积极和显著的估计(表6)，这表明在最受欢迎的顾问上寻求建议的关系聚集在一起。2星效应与Alt-Star (AS)效应密切相关，而Alt-Star (AS)效应在模型中大多不显著。这两种效应的存在是很好地拟合模型所必需的。最后，将地上生物量数据纳入模型中，以提高模型的收敛性或拟合性。生物量数据与度(r= 0.217;P= 0.026)，这意味着更受欢迎的顾问是土地生物量更多的农民。

讨论与结论

我们的主要目标是确定农村合作社内部的信息网络结构，以及这些结构对资源节约型农业意味着什么。为了实现这一目标，我们使用了加纳农村合作社农民之间信息共享网络的综合数据。数据分析采用标准社会网络分析，结合ERGM估计和GOF检验(Robins和Lusher 2012)。我们进一步加大了对环境结果的分析权重，即与采用农林复合做法相关的生物量储量和固碳，以帮助理解生物物理特征是否以及如何与微观层面的社会关系或网络结构相关联。随后，我们在三个主要主题下讨论我们的发现。

资源节约型农业、环境成果和观察到的网络

农用林业模式选择的差异对生物量积累量有重大影响。大多数农民(87%)采用了将树木纳入现行种植制度的农林复合模式;这一选择的结果是，在没有农用林业计划的情况下，生物质的储存量更高，但变化不定。生物量的增加，以及随后碳的增加，与单个农民的联系数量呈正相关，表明那些更受欢迎的顾问(通过他们的联系数量来衡量)的农民，在采用的农林复合系统中也倾向于拥有略高的生物量存量。我们的ERGM分析支持这一发现。除了一个社区外，ERGM对个人受欢迎程度的积极而显著的结果(2星效应)表明，网络是围绕知识渊博的参与者构建的。这一在标准网络分析和ERGM分析中发现的关于受欢迎程度、寻求建议和环境结果的作用的发现在社区C中得到了进一步细化，我们显示了一个积极和显著的总和估计，表明网络不仅围绕知识渊博的参与者形成，而且围绕具有高地上生物量的知识渊博的参与者形成。

总的来说，这些发现与之前关于个体网络结构和采用亲环境实践的发现一致，因为那些表达良好农业实践的人非常受欢迎(Isaac et al. 2007, matouovic et al. 2013, Isaac et al. 2014, Matous and Todo 2018)。在决定向谁寻求建议或与谁分享投入时，农民通常会向那些表现出成功农业实践明显迹象的同行求助(Wood等人，2014年)。这些演员似乎在他们的网络中扮演着更积极、更健谈的角色。然而，重要的个体网络结构特征——三角形与单个地块的生物量储量呈弱负相关(r= -0.167;P= 0.095)。聚集网络可能使集体层面的信息共享和扩散成为可能(Matous和Todo 2015年，Barnes等人2016年)，但不一定是聚集度最高的个体，即传递性得分高的个体，其交流伙伴的比例也很高，他们采用生物量积累高的农林复合实践。

网络匹配和环境结果的作用

尽管有大量关于自然资源管理中社会网络结构特征的实证研究(综述见Bodin和Crona 2009)，但只有相对较少的研究使用ergm来调查多个网络。目前，这一领域最强的研究似乎集中在不同层次的网络上(Bellotti et al. 2016, Brailly et al. 2016, Brennecke and Rank 2016, holway and Koskinen 2016, Wang et al. 2016, Zappa and Lomi 2016)。很少有研究在同一水平内考察多个可比较的网络来评估它们之间的关系结构特征与网络层面的集体结果(Matous 2015, Bodin et al. 2017)，最近只有少数研究使用ERGMs分析了环境管理中多个可比较的网络通信结构(Bodin et al. 2017, Levy和Lubell 2018, Matous和Wang 2019)。同样，我们发现在这五个社区中，没有明显的关系模式，但我们也没有发现任何两个社区的相反结果。此外，为了量化总体趋势，我们试图将所有社区的整个数据集放入一个单一模型中(类似于Matous和Wang 2019)。然而，我们没有成功地在同一个模型中可靠地拟合这五个群落。显然，不同的网络机制在这些社区中起着作用，这清楚地表明，在从单个社区的网络研究中进行归纳时，我们需要谨慎。我们看到在节点级别的链接数量、集群和环境结果之间有一些明确的关联，以及一些类似的结构机制，例如除一个社区外所有社区的2星结果。然而，在这五个网络中，没有迹象表明更大、更密集或更密集的群落与更小或更稀疏的群落或在参与者之间有更均匀分布关系的网络相比，生物量水平会有所不同。虽然我们的研究中网络的数量不能让我们对这个问题提供权威的答案，但我们的结果表明，社区水平的结果和集体网络结构之间的关系可能不同于个人水平的结果和个人网络结构之间的关系，从而支持之前关于该主题的第一批研究的发现。

对指数随机图模型研究、农业政策和农民发展的启示

正如一些学者所指出的，建设当地适应环境变化的能力将在很大程度上依赖于社会资本，包括促进合作行动的密切社会纽带，以及获取思想和资源的社会桥梁和联系(例如，Pretty 2003, Armitage et al. 2009)。因此，我们的研究结果可以被积极地用于思考全球环境变化下的资源节约型农业实践的规模路径。采用这些农业实践的一个常见障碍是需要大量的“软”投入，特别是接触新想法和实验技能(Silici 2014)。总之，我们的研究结果说明了农民网络或关系关系的现有结构特征如何促进或阻碍支持资源节约型农业实践所需的信息共享和知识转移。虽然我们提供了这些发现，但我们的研究仅限于一个时间点，一般局限于横断面研究。未来的研究还应跨越多个时间点进行评估，以真正捕捉到采用实践及其对资源节约型农业和土地利用实践的影响(见Isaac和Matous 2017)。

我们的发现对现有文献的贡献主要体现在两个方面。首先，由于资源节约型农业对知识的依赖和管理的集约化，农民需要建立容易促进知识转移和信息交换的社会关系。根据全面的原始数据，我们发现有证据表明，那些表现出明显的成功农业实践迹象的农民，往往也会成为合作社内受欢迎的顾问，在个体网络层面上向同辈提供建议。基于这一发现，我们得出结论，利用这些“受欢迎的顾问”带头在农民之间进行知识交流，可能有助于促进保护性农业实践中经常需要的社会学习和合作社内的实验。然而，应该指出的是，受欢迎的顾问也可能会经历领导疲劳，并表达对外部影响的抗拒，鉴于他们强大的社区联系(matouste et al. 2013)。然而，由于他们更有可能促进网络成员之间的交流，甚至是整个社区，在适当的条件下，他们可以成为鼓励创新农业实践传播的有影响力的力量(Valente 1996, Isaac et al. 2014)。事实上，他们可以带头提供知识交流机会，而不仅仅是通过政府的正规机构所能提供的机会。此外，利用这些可能“熟练”的当地农民促进资源节约型农业创新可以抑制自上而下的农业知识转移，这是大多数发展中国家对农业推广的主要批评(Schut et al. 2014)。

其次，除了提供关于生物物理特征如何与微观社会关系或网络结构相关联的见解外，我们还为ERGM研究的新兴领域做出了贡献(例如，Robins, Pattison，等人，2007,Robins, Snijders，等人，2007,Wang等人，2013,Dickison等人，2016,Wang等人，2016)。利用ERGM分析提供了光学分析观测到的网络结构的意义。虽然ergm允许不同层次的关注，但ergm有一些限制，包括收敛问题，使我们在研究中只能建模无定向关系。使用ERGM对每个社区进行的分析表明，通常观察到的个体层面的结果可能不会以一种微不足道的方式扩展到集体层面，因为我们通常无法在个体层面捕捉到内源性网络效应。虽然个体网络已经被彻底探索过了，但我们需要对更多的网络进行更多的研究，以了解什么样的网络结构对整个集体(如我们研究中的合作社)是有效的，并在大范围内衡量环境影响。据我们所知，这是第一批专注于使用ergm的研究之一，它不仅分析了不同类型的参与者是否与不同类型的网络结构相关联，而且还评估了跨多个网络建模所需的结构和属性元素是否具有某种普遍性。

我们还关注ERGM分析中的环境结果，特别是资源节约型农业实践。在我们的ERGMs中，我们将几个结构参数与一个环境变量叠加，作为地上生物量进行测量。具体来说，我们展示了这个生物物理指标和这个合作社内的社会结构之间的关系。农民根据同事的知识和做法向同事寻求信息，这反映在在其地块上采用农林复合做法所产生的总体生物量积累上。不仅模型收敛需要这个环境变量，而且通过同时关注社会和生物物理属性，我们对微观层面的社会关系是否以及如何与社区层面的环境结果相联系的理解得到了深化。

文献引用

Altieri, m.a, c.i, Nicholls, A. Henao, M. A. Lana. 2015。农业生态学和适应气候变化的农业系统设计。beplay竞技农学促进可持续发展35(3): 869 - 890。http://dx.doi.org/10.1007/s13593-015-0285-2

阿米蒂奇，D. R.普卢默，F. Berkes, R. I. Arthur, A. T. Charles, I. J. Davidson-Hunt, A. P. Diduck, N. C. Doubleday, D. S. Johnson, M. Marschke, P. mcconnney, E. W. Pinkerton, E. K. Wollengerg. 2009。社会生态复杂性的适应性协同管理。生态学与环境前沿“，7(2): 95 - 102。http://dx.doi.org/10.1890/070089

阿萨雷，R.， V. Afari-Sefa, Y. Osei-Owusu，和O. pai . 2014。可可农用林业，在加纳破碎的景观中增加森林的连通性。农林复合经营系统88(6): 1143 - 1156。http://dx.doi.org/10.1007/s10457-014-9688-3

巴恩斯，M. L.， J. Lynham, K. Kalberg, P. Leung, 2016。社会网络和环境结果。美国国家科学院院刊113(23): 6466 - 6471。http://dx.doi.org/10.1073/pnas.1523245113

贝洛蒂，E.， L. Gaudalupi和G. Conaldi, 2016。比较科学领域:意大利学术界多层次研究合作网络。213 - 244页在E. Lazega和T. Snijders，编辑。社会科学的多层次网络分析。方法论系列(社会科学方法论展望)，12。施普林格，Cham，瑞士。http://dx.doi.org/10.1007/978-3-319-24520-1_9

Biber-Freudenberger, L. J. Ziemacki, H. E. Z. Tonnang和C. Borgemeister, 2016。在气候变化条件下，害虫物种的未来风险。《公共科学图书馆•综合》11 (4): e0153237。http://dx.doi.org/10.1371/journal.pone.0153237

博丹,O。，而且B. I. Crona. 2009. The role of social networks in natural resource governance: what relational patterns make a difference?全球环境变化19(3): 366 - 374。http://dx.doi.org/10.1016/j.gloenvcha.2009.05.002

博丹,O。，A. Sandström, and B. Crona. 2017. Collaborative networks for effective ecosystem‐based management: a set of working hypotheses.政策研究杂志45:289 - 314。http://dx.doi.org/10.1111/psj.12146

博丹,O。，而且M. Tengo. 2012. Disentangling intangible social–ecological systems.全球环境变化22:430 - 439。http://dx.doi.org/10.1016/j.gloenvcha.2012.01.005

鲍加蒂，s.p, M. G.埃弗雷特，L. C.弗里曼，2002。UCINET for Windows:用于社交网络分析的软件．分析技术，剑桥，马萨诸塞州，美国。

Brailly, J.， G. Favre, J. Chatellet和E. Lazega. 2016。市场是一个多层次的系统。245 - 271页在E. Lazega和T. Snijders，编辑。社会科学的多层次网络分析。方法论系列(社会科学方法论展望)，12。施普林格，Cham，瑞士。http://dx.doi.org/10.1007/978-3-319-24520-1_10

布伦内基，J.和O. N. Rank. 2016。知识密集型企业中正式项目成员和非正式咨询之间的相互作用:多层次网络方法。社交网络44(1): 307 - 318。http://dx.doi.org/10.1016/j.socnet.2015.02.004

查夫，J.， M. Réjou-Méchain, A. Búrquez, E. Chidumayo, M. S. Colgan, W. B. C. Delitti, A. Duque, T. Eid, P. M. Fearnside, R. C. Goodman, M. Henry, A. Martínez-Yrízar, W. A. Mugasha, H. C. Muller-Landau, M. Mencuccini, B. W. Nelson, A. Ngomanda, E. M. Nogueira, E. ortizs - malavassi, R. Pélissier, P. Ploton, C. M. Ryan, J. G. Saldarriaga, G. Vieilledent. 2014。热带树木地上生物量估算的改进异速生长模型。全球变化生物学20(10): 3177 - 3190。http://dx.doi.org/10.1111/gcb.12629

戴维斯，1970年。人际关系中的聚类与层级:两种图理论模型对742个社交对象的检验。美国社会学评论35:843 - 851。http://dx.doi.org/10.2307/2093295

德威斯，P.， F.普雷斯，S. J.舍尔和C.巴斯，2011。投资非洲的树木和景观恢复:什么，在哪里，如何。森林方案，世界银行，美国华盛顿特区。http://dx.doi.org/10.1596/26871

迪克森，M. E.， M.马格纳尼，L.罗西，2016。多层社交网络．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9781139941907

加纳统计局，2013年。2010年人口和住房普查:区域分析报告-阿散蒂地区．加纳统计局，加纳阿克拉。

Govorushko, S. 2016。人类对环境的影响:有插图的世界地图集．施普林格，纽约，美国纽约。http://dx.doi.org/10.1007/978-3-319-24957-5

Gyau, A.， M. Chiatoh, S. Franzel, E. Asaah, J. Donovan. 2012。喀麦隆西北部地区农民植树行为的决定因素:案例李属非洲"．国际林业评论14(3): 265 - 274。http://dx.doi.org/10.1505/146554812802646620

holway, J.和J. Koskinen. 2016。多层次双边主义和多边主义:各国的双边和多边渔业条约及其秘书处。315 - 332页在E. Lazega和T. Snijders，编辑。社会科学的多层次网络分析。方法论系列(社会科学方法论展望)，12。施普林格，Cham，瑞士。http://dx.doi.org/10.1007/978-3-319-24520-1_13

艾萨克博士，2012年。农业信息交换与组织联系:网络拓扑对农业多样性管理的影响。农业系统109:9-15。http://dx.doi.org/10.1016/j.agsy.2012.01.011

艾萨克，m.e, l.c.n. Anglaaere, D. S. Akoto和E. Dawoe. 2014。移民农民作为信息掮客:加纳过渡地区的农业生态系统管理。生态学与社会19(2): 56。http://dx.doi.org/10.5751/ES-06589-190256

艾萨克，M. E.， B. H.埃里克森，S. Quashie-Sam和V. R. Timmer. 2007。关于农林业管理做法的知识转让:农民咨询网络的结构。生态学与社会12(2): 32。http://dx.doi.org/10.5751/ES-02196-120232

社会网络关系预测土地利用多样性和土地利用变化:加纳的一个案例研究。区域环境变化17:1823 - 1833。http://dx.doi.org/10.1007/s10113-017-1151-3

卡杜申，C. 2012。理解社交网络:理论、概念和发现．牛津大学出版社，美国纽约。

金，D. G, M. U. F.基尔施鲍姆，T. L.比迪。2016。碳固碳与CH净排放₄和N₂农用林业:综合现有数据和对未来研究的建议。农业，生态系统与环境226:65 - 78。http://dx.doi.org/10.1016/j.agee.2016.04.011

Kongsager, R.， B. Locatelli和F. Chazarin. 2016。共同应对气候变化减缓和beplay竞技适应:农业和林业项目全球评估。环境管理57(2): 271 - 282。http://dx.doi.org/10.1007/s00267-015-0605-y

科斯基宁，J.和T. Snijders. 2012。模拟、估计和拟合优度。141 - 166页在卢舍尔、科斯基宁和罗宾斯，编辑。社交网络的指数随机图模型:理论、方法和应用．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9780511894701.014

利维，m.a.和M. N.卢贝尔，2018。加利福尼亚三个区域可持续农业网络的创新、合作与结构。区域环境变化18:1235 - 1246http://dx.doi.org/10.1007/s10113-017-1258-6

Lusher, D. J. Koskinen和G. Robins. 2012。社交网络的指数随机图模型:理论、方法和应用．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9780511894701

Malézieux, E.， Y. Crozat, C. Dupraz, M. Laurans, D. Makowski, H. Ozier-Lafontaine, B. Rapidel, S. de Tourdonnet和M. Valantin-Morison。2009.作物系统中的混种植物:概念、工具和模型:综述。329 - 353页在E. Lichtfouse, M. Navarrete, P. Debaeke, S. V ? ronique和C. Alberola，编辑。可持续农业．施普林格，Dordrecht，荷兰，美国。http://dx.doi.org/10.1007/978-90-481-2666-8_22

马丁，a.r.， m.e.艾萨克，2015。农业生态系统中的植物功能性状:研究蓝图。应用生态学杂志52:1425 - 1435。http://dx.doi.org/10.1111/1365-2664.12526

Matous, P. 2015。社会网络和多层次的环境管理:苏门答腊岛的土壤保护。生态学与社会20(3): 37。http://dx.doi.org/10.5751/ES-07816-200337

Matous, P.和Y. Todo. 2015。探索学习网络资源保护的动态机制。生态学与社会20(2): 36。http://dx.doi.org/10.5751/ES-07602-200236

Matous, P.和Y. Todo. 2018。在面对环境变化时加强远程社区网络的实验:利用空间分布的环境记忆。区域环境变化18:1741 - 1752。http://dx.doi.org/10.1007/s10113-018-1307-9

马图乌斯，P.， Y. Todo和D. Mojo, 2013。推广和民族-宗教网络在埃塞俄比亚农民接受资源节约型农业中的作用。国际农业可持续发展杂志11:301 - 316。http://dx.doi.org/10.1080/14735903.2012.751701

Matous, P.和P. Wang. 2019。外部曝光、边界跨越和远程社区的意见领导:一个网络实验。社交网络56:10-22。http://dx.doi.org/10.1016/j.socnet.2018.08.002

Mbow, C.， P. Smith, D. Skole, L. Duguma和M. Bustamante. 2014。通过可持续的农林业做法在非洲实现减缓和适应气候变化。beplay竞技环境可持续性的最新观点6:8-14。http://dx.doi.org/10.1016/j.cosust.2013.09.002

门罗，j.w.， m.e.艾萨克。2014.N₂-固定树木和固定氮转移用于可持续农用林业:综述。农学促进可持续发展34(2): 417 - 427。http://dx.doi.org/10.1007/s13593-013-0190-5

Niang, I.， C. R. Oliver, A. Mohamed, A. Essel, C. Lennard和J. Padgham. 2014。非洲。1199 - 1265页在杜贝和利里，编辑。beplay竞技2014年气候变化:影响、适应和脆弱性。B部分:区域方面。第二工作组对政府间气候变化专门委员会第五次评估报告的贡献beplay竞技．剑桥大学出版社，英国剑桥。

Nkamleu G. B.和V. M. Manyong. 2005。影响喀麦隆农民采用农林复合做法的因素。小森林经济、管理和政策4(2): 135 - 148。

Nyantakyi-Frimpong, H.， J. Kangmennaang, R. B. Kerr, I. Luginaah, L. Dakishoni, E. Lupafya, L. Shumba和M. Katundu. 2017。半湿润热带非洲的农业生态学和健康粮食系统:马拉维弱势农户的参与性研究。Acta Tropica175:42-49。http://dx.doi.org/10.1016/j.actatropica.2016.10.022

帕提森，P.和S.沃瑟曼。1999。社交网络的Logit模型与logistic回归:2。多元关系。英国数学与统计心理学杂志52(2): 169 - 193。http://dx.doi.org/10.1348/000711099159053

漂亮，J. 2003。社会资本与资源的集体管理。科学302(5652): 1912 - 1914。http://dx.doi.org/10.1126/science.1090847

Rico García-Amado, L.， M. R. Pérez, I. Iniesta-Arandia, G. Dahringer, F. Reyes, S. Barrasa. 2012。建立联系:墨西哥恰帕斯生物圈保护区森林社区的社会资本网络分析。生态学与社会17(3): 3。http://dx.doi.org/10.5751/ES-04855-170303

罗宾斯，G.和D.卢舍尔，2012。插图:模拟、估计和拟合优度。167 - 186页在卢舍尔、科斯基宁和罗宾斯，编辑。社交网络的指数随机图模型:理论、方法和应用．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/CBO9780511894701.015

罗宾斯，G.， P. Pattison, Y. Kalish和D. Lusher, 2007。指数随机图导论(p*)社交网络模型。社交网络29(2): 173 - 191。http://dx.doi.org/10.1016/j.socnet.2006.08.002

罗宾斯，史尼德斯，王平，汉德考克，帕提森，2007。指数随机图的最新进展(p*)社交网络模型。社交网络29(2): 192 - 215。http://dx.doi.org/10.1016/j.socnet.2006.08.003

Schut, M.， J. Rodenburg, L. Klerkx, A. van Ast和L. Bastiaans. 2014。作物保护创新的系统途径:系统文献综述。农作物保护56:98 - 108。http://dx.doi.org/10.1016/j.cropro.2013.11.017

2014年。农业生态学:它是什么，它能提供什么．国际环境与发展研究所，英国伦敦。

苏丹，B.， P.鲁迪尔，P. Quirion, A. Alhassane, B. Muller, M. Dingkuhn, P. Cias, M. Guimberteau, S. Traore，和C. Baron, 2013。评估气候变化对西非苏beplay竞技丹和萨赫勒草原高粱和小米产量的影响。环境研究通讯8(1): 014040。http://dx.doi.org/10.1088/1748-9326/8/1/014040

E.托克比奥，编辑。2016.beplay竞技全球气候变化与农业．施普林格，Dordrecht，荷兰。http://dx.doi.org/10.1007/978-94-017-7462-8

Tubiello, F. N, M. Salvatore, S. Rossi, A. Ferrara, N. Fitton, P. Smith. 2013。农业温室气体排放的FAOSTAT数据库。环境研究通讯8(1): 015009。http://dx.doi.org/10.1088/1748-9326/8/1/015009

vasast, P.和E. Somarriba. 2014。作物集约化和生态系统服务之间的权衡:农业林业在可可种植中的作用。农林复合经营系统88(6): 947 - 956。http://dx.doi.org/10.1007/s10457-014-9762-x

瓦伦蒂，T. W. 1996。创新扩散的网络模型。计算与数学组织理论“，2(2): 163 - 164。https://doi.org/10.1007/BF00240425

Vashum, K. T.和S. Jayakumar. 2012。天然林地上生物量和碳储量估算方法研究进展。生态系统与生态学杂志2(4): 116。http://dx.doi.org/10.4172/2157-7625.1000116

王p, G. Robins, P. Matous. 2016。基于ERGM的多层网络分析及其扩展。125 - 143页在E. Lazega和T. Snijders，编辑。社会科学多层次网络分析。．方法论系列(社会科学方法论展望)，12。施普林格，Cham，瑞士。http://dx.doi.org/10.1007/978-3-319-24520-1_6

王p, G.罗宾斯，P.帕蒂森。2009。PNet:指数随机图的模拟和估计程序(p*)型号:用户手册．墨尔本大学行为科学学院心理学系，墨尔本，澳大利亚。

王p, G.罗宾斯，P.帕蒂森和E.拉杰加。2013。多层网络的指数随机图模型。社交网络35(1): 96 - 115。http://dx.doi.org/10.1016/j.socnet.2013.01.004

伍德，B. A.， H. T.布莱尔，D. I.格雷，P. D.坎普，P. R.肯杨，S. T.莫里斯，A. M.休厄尔，2014。野外农业科学:农民知识交流的社会网络分析。《公共科学图书馆•综合》9 (8): e105203。http://dx.doi.org/10.1371/journal.pone.0105203

Zappa, P.和A. Lomi. 2016。组织中的知识共享:多层次网络分析。333 - 353页在E. Lazega和T. Snijders，编辑。社会科学的多层次网络分析。方法论系列(社会科学方法论展望)，12。施普林格，Cham，瑞士。http://dx.doi.org/10.1007/978-3-319-24520-1_14