采纳生态种养技术对农户脆弱性的影响*
——以长江中下游地区稻虾共作技术为例

2022-12-30 06:26田卓亚齐振宏杨彩艳杨兴杰
中国农业资源与区划 2022年10期
关键词:稻虾脆弱性变量

田卓亚,齐振宏,杨彩艳,杨兴杰,刘 哲

(1.华中农业大学经济管理学院,湖北 武汉 430070;2.双水双绿研究院,湖北 武汉 430070;3.湖北农村发展研究中心,武汉 430070)

0 引言

2018年农业农村部发布的《关于支持长江经济带农业农村绿色发展实施意见》指出要推动种植业提质增效,引导长江经济带推进种养结合以促进乡村振兴。在此背景下,长江中下游地区作为长江经济带的重要发展区域,各省秉持“绿色发展、生态优先”的理念,大力推广和采纳生态种养技术。其中,稻虾共作技术作为一种典型的生态种养技术,因具有优质高产、节本增收的功效,提高农户收益的同时有效降低其脆弱性,成为我国乡村振兴和精准扶贫的重要产业之一[1,2]。然而农业本属于弱质性产业,农户采纳稻虾共作技术后,可能遭遇气候、市场、技术等方面的风险。我国作为发展中国家,由于保险市场不够成熟、农村家庭资本积累有限,农户遭遇风险冲击后通常面临较高的脆弱性,因而采纳稻虾共作技术的农户可能会因此陷入贫困之中或再次返贫[3]。因此,农户采纳该技术后脆弱性程度将如何变化?对于这一问题的回答直接关乎该技术持续推广的必要性及政府农业技术推广政策的走向。

单从稻虾共作技术属性来看,其确有利于农民增收,促进农户生计资本积累,增强抵御风险能力,进而降低农户脆弱性。增产、提质和节本增效是稻虾共作技术最为突出的优势属性,具体而言:虽稻田因开挖环沟致水稻种植面积减少,但该技术模式能保持稳定的水稻穗数和千粒重,对比水稻单作每公顷可增产约1 222.050kg,增产率为17.060%。在此增产率和当前市场条件下,每公顷水稻利润将增加2 743.650元,增收率为218.090%[4]。因此,稻虾共作技术的增产效应,能使农户收入持续增加。相应地,提质表现为该技术以有机肥替代化学肥料,小龙虾的存在使稻田氮素含量增加,提高了水稻崩解值、降低其消减值,提升食味品质[5]。此外,稻虾共作技术采用病虫害绿色防控技术,施用无公害农药,确保大米、小龙虾绿色无公害[1],则市场价值提高,农户经济收益增加。节本增效主要表现在两方面:一是该技术能减少稻田中杂草的生长,节约除草劳动力;二是能有效减轻水稻害虫、增加土壤肥力,进而减少每公顷化肥、农药投入约3 672元[6]。在当前市场条件下,各方面成本降低使得农户比较收益增加。

然而,农业的弱质属性决定了农业收入易受风险冲击的负面影响。生产过程中,干旱、洪水等灾害的发生将导致水稻和小龙虾大面积减产,农户收入大幅下降[7]。与此同时,与传统水稻单作模式相比,稻虾共作农户还面临着技术掌握难度大、操作不当的风险。销售过程中,小龙虾价格波动或水稻市场变化也加剧了农户收入的不确定性[8]。可见,稻虾共作技术带给农户的是收入和风险并存。该技术优良增收属性虽会增强农户抵御风险的能力,但采纳该技术后农户将暴露于更多风险之中。因此,农户采纳该技术后,在风险冲击和抵御风险能力同时增强的情况下,其脆弱性将如何变化成了亟待验证的问题。

此外,稻虾共作同属于劳动力和资金密集型技术。但随着工业化和城镇化进程加快,劳动力资源持续外流,不仅影响农业生产技术效率,也妨碍了农户收入的增加[9]。但非农就业是农户收入的重要来源,亦是其抵御风险时采取适应性行为的反映[10]。因此,非农就业在稻虾共作技术采纳和农户脆弱性之间发挥着何种作用也成为了亟待探究的问题。

1 文献综述

直接回答上述问题的研究并不多见,但学者们在以下几个方面展开了丰富的研究:一是农户的技术采纳决策动机。有学者指出农户在一定时期内做出的生产技术决策,都是基于约束条件下利润最大化的过程[11]。即农户比较新旧技术的成本效益后,当采纳新技术的预期收益大于传统技术时,农户才会采纳该技术[12]。反之,则不会。二是脆弱性的影响因素。部分学者从实证层面探讨了脆弱性的影响因素,认为人类的脆弱性不仅源于自然界的不稳定性,政治和经济的波动、社会的动荡等,都是造成脆弱性的原因[13]。除此之外,也有学者指出影响脆弱性的因素有很多,包括个体特征[14]、家庭特征[15]、社区特征等[16]。三是农业科技的减贫效应。部分学者从理论层面探究了农业科技的减贫效应,认为农业科技是降低贫困发生率、促进贫困地区发展的关键[17]。但Otsuka则认为由于当前制度环境的缺陷,科技并不能有效改善贫困[18]。此外,亦有学者通过实证研究得出短期科技减贫效果较为明显的结论[19]。

已有研究为以后的研究提供了丰富的借鉴,但仍存在可拓展的空间:一是在农户技术采纳决策的研究方法上,多采用传统的OLS或者Probit模型,未充分考虑农户技术采纳中个体意愿和无法观测变量导致的自选择偏误等内生性问题。二是在关于脆弱性影响因素的研究视角上,已有研究尚未将农业科技具体化,也鲜有学者注意到农户采纳稻虾共作技术对其脆弱性的影响,导致研究结论的针对性不强;三是关于农业科技减贫效应的研究,学者们对农业科技是否具有减贫、降低脆弱性之效尚未达成共识,是否因为未考虑非农就业这一现实背景而导致研究结论的偏差呢?基于此,文章拟采用内生转换模型以克服模型中存在的内生性问题,将稻虾共作技术采纳、非农就业和农户脆弱性纳入同一研究框架,在验证稻虾共作技术是否具有降低脆弱性之效的基础上,探究在非农就业水平在二者间的调节效应,进而为降低农户脆弱性、解决长效脱贫问题提出切实可行的政策建议。

2 研究设计

2.1 数据来源

该文数据来源于2019年7—8月华中农业大学“双水双绿”课题组在湖北省、湖南省和安徽省开展的农户问卷调查。对调研地点的选择主要考虑以下三方面:第一,地理环境。3个省位于长江中下游平原地区,地形平坦,土壤肥沃,水源充足,拥有得天独厚的农业生产条件,适宜水稻的种植和稻虾共作技术的推广。第二,农业发展情况。湖北省、安徽省和湖南省为我国的粮食主产区,农业综合发展水平高,生产集约度高,小龙虾养殖面积和产量位居全国前列[20]。第三,课题研究需要。根据课题研究目的,调查内容围绕农户技术采纳状况、家庭资本禀赋、农业投入和产出等内容展开。整个调研过程采用随机抽样和分层抽样相结合的方式进行每个县(市)、乡镇以及村庄选择。具体而言分三个阶段:第一阶段,根据稻虾共作面积及地理位置选取了湖北省、湖南省和安徽省;第二阶段,综合考虑各地区的农业生产发展情况,分别在每个省选取3个县(市),具体包括湖北省的潜江市、赤壁市和浠水县;湖南省的安乡县、南县和临湘市;安徽省的长丰县、霍邱县和全椒县;第三阶段,在抽取的9个样本县(市)中根据乡镇距离县(市)远近及每个乡镇的务农人数情况,在每个县选择3个乡镇,并随机在每个乡镇选择30~40个熟悉家庭农业生产的成员进行面对面的问卷访谈。该次调研共发放1 000份问卷,剔除信息缺失过多,前后矛盾及不一致的问卷,最终获取有效数据974份,问卷有效率为97.400%,其中湖北省326份,湖南省325份,安徽省323份。

2.2 样本特征

表1显示了样本农户和受访者个人的基本特征。从表1的结果可以看出,受访者主要是40岁以上(占比为92.915%)且非村干部(占比为91.786%)的非兼业(占比为66.838%)农户。这与我国当前农村的现实情况较为符合,青壮年劳动力才倾向于外流,而农村劳动力则呈现老龄化趋势。其次,受访者的平均受教育年限为7.287,受教育年限6年以下及6~9年的占比为86.858%,表明受访者的受教育程度普遍偏低,这可能会影响农户对稻虾共作技术的认知和应用。最后,从受访者的家庭劳动力状况来看,超过一半家庭的劳动力人数为2~4人,在一定程度上会影响到家庭经营规模的扩张。此外,各项指标的均值也与根据相应统计年鉴计算的结果大致相当,说明样本数据具有一定的代表性。

表1 样本农户与受访者个人基本特征

2.3 研究方法

若农户是否采纳稻虾共作技术是外生给定的,传统的OLS模型、Probit模型足以评价农户的技术采纳效果和决策。但农户作为理性的个体,其决策往往是追求利益最大化的自我选择结果。因此,上述两种方法忽视了农户自选择问题,进而导致研究结论的偏差。PSM作为一种改进的方法,能有效消除由年龄、受教育水平、经营规模等可观测变量引起的样本选择偏误问题,但是对于农户的兴趣、先天能力禀赋等不可观测变量显得无能为力。而内生转换模型能很好地弥补PSM方法的缺陷,通过估计农户稻虾共作技术采纳决策,计算农户采纳稻虾共作技术的概率,并将其作为自变量纳入脆弱性结果方程中,由此消除不可观测变量带来的样本选择偏误问题。

依据Becerril和Abdulai[21]的随机效应决策模型,农户是否采纳稻虾共作技术取决于其使用稻虾共作技术的效用U1i与不使用稻虾共作技术的效用U0i之差,若A*=U1i-U0i>0,则农户选择应用稻虾共作技术。因此该文定义稻虾共作技术的决策方程为:

式(1)中,为潜变量,Ai=1表示农户i采纳稻虾共作技术,Ai=0表示农户i未采纳稻虾共作技术;Zi为外生解释变量,包括受访者个体特征、家庭特征、社会服务便利性及村庄特征,具体变量如表2所示;μi为随机扰动项。

为测算稻虾共作技术采纳对农户脆弱性的影响,该文构建模型为:

式(3)中,因变量Yi为农户脆弱性;Xi为控制变量;Ai为农户稻虾共作技术采纳;εi为随机扰动项。鉴于农户根据自身条件选择是否采纳稻虾共作技术,稻虾共作技术采纳决策(Ai)可能受到某些不可观测因素影响,而这些因素又与被解释变量变量(Yi)相关,导致式(3)中的Ai与εi相关,因而,直接估计方程(3)可能会因样本自选择问题而导致估计偏误。

稻虾共作技术采纳和未采纳农户脆弱性的影响模型设定为:

式(4a)(4b)中,Yia、Yin分别表示稻虾共作技术采纳农户与未采纳农户的脆弱性水平,Xia、Xin表示影响两类农户脆弱性的因素;εia、εin均表示随机扰动项。为解决由不可观测因素导致的样本选择性偏差问题,该文引入逆米尔斯比率λia、λin及其协方差σμa=cov(μi,εin)、σun=cov(μi,εin),并应用完全信息极大似然法对式(1)和式4(a)、4(b)进行联立估计。

此外,通过比较真实情景与反事实假设情景下稻虾共作技术采纳农户与未采纳农户脆弱性水平的期望值,从而估计农户稻虾共作技术采纳决策的平均处理效应。

稻虾共作技术采纳农户脆弱性期望值为:

未采纳农户脆弱性期望值为:

同时考虑两种反事实假设情形,即稻虾共作技术采纳农户在未采纳情形下的脆弱性期望值为:

稻虾共作技术未采纳农户在采纳情形下的脆弱性期望值为:

通过式(5)(7)得到稻虾工作技术采纳农户脆弱性的处理效应为:

相应地,未采纳农户脆弱性的处理效应为:

2.4 变量设置与描述性统计

2.4.1 因变量

世界银行将脆弱性定义为在风险冲击下,个人或者家庭未来福利下降到某一社会公认水平之下的可能性。从这一定义来看,脆弱性包含两方面的内容:一是受到的风险冲击;二是抵御风险冲击的能力[13]。一般而言,为了增强自身抵御风险能力,农户通常会有两种选择:一是夯实抵御风险冲击的基础,即加强生计资本积累;二是积极采取抵御风险的活动,增强其自身适应性。

因此,关于脆弱性的测量,该文主要是借鉴相关研究[22,23],选取影响农户脆弱性的具体指标,从风险、生计资本和适应性三方面构建农户的脆弱性指标评价体系,测算出农户脆弱性的相对值,即农户脆弱性(V)=风险(R)-生计资产(L)-适应性(A),脆弱性值越大,表明农户越脆弱。目前尚未有文献提及脆弱性不同水平的划分标准,因此只能通过脆弱性的相对值衡量农户的脆弱性状况,无法对其脆弱性现状进行客观比较描述。

具体而言,风险包括人力风险、自然灾害风险、经济活动风险、市场活动风险及突发事件;生计资产包括自然资本(N)、人力资本(H)、物质资本(P)、金融资本(F)及社会资本(S)5个维度;适应性包括外出务工情况、农户参与合作社状况、对国家政策的关注度。农户脆弱性指标赋权至关重要,直接关乎农户脆弱性的评估结果。由于脆弱性的测量涉及多方面,且所包含指标较多,因此利用熵值法,确定农户脆弱性各类指标的权重,进而测算农户脆弱性各维度的综合值。具体步骤及相关指标权重说明见表2。

表2 脆弱性评价指标、权重及说明

2.4.2 处理变量

稻虾共作技术采纳主要是通过“您是否采纳稻虾共作技术”这一题项来度量,由于农户是否采纳稻虾共作技术为二值变量,所以采用二元赋值法,1表示采纳该技术,0表示不采纳该技术。

2.4.3 调节变量

借鉴已有研究[24],该文采用非农就业收入占家庭总收入的比重衡量农户非农就业水平,主要包括务工收入和非农经营收入两大类。

2.4.4 控制变量

该文控制变量分为两类,一类是家庭内部特征,包括个体[25]和经营特征[26];一类是外部特征,包括社会服务便利性[27]、村庄[28]和地区特征。其中,个体特征包括年龄、风险偏好;经营特征包括参保行为、土地流转状况;社会服务便利性包括技术培训、农业保险和金融贷款服务的便利性;村庄特征包括农资店数量。该文将上述变量纳入控制变量之中,以排除干扰。此外,该文亦通过设置地区虚拟变量,以控制区域固定效应。

2.4.5 识别变量

参考已有研究[29],选取生物农药认知作为识别变量,并通过“您能否区分生物农药和普通农药”这一题项来度量。因为稻虾共作过程中,小龙虾对普通农药十分敏感。一旦农户在稻虾田中使用普通农药进行除草、除虫,就会导致小龙虾大面积死亡,进而使得农户自身经济损失惨重。所以农户一旦采纳稻虾共作技术,就必须要能够有效区分生物农药和普通农药。但能否区分生物农药不会直接影响农户在农业生产中可能面临的风险和抵御风险的能力,进而对其脆弱性无直接影响。

表3 变量定义与描述性统计

此外,单因素方差分析结果表明,不同非农就业水平下农户脆弱性存在显著差异,且在1%的统计水平上显著。因此,对于不同非农就业水平的农户而言,采纳稻虾共作技术对其脆弱性的影响是否存在异质性?以上都需要进一步的实证分析进行检验。

表4 单因素方差分析

3 结果分析

3.1 农户稻虾共作技术采纳决策模型与脆弱性模型联立估计

表5(1)至(3)列报告了稻虾共作技术采纳决策与脆弱性模型的联立估计结果。两阶段独立性LR检验在1%的统计水平上拒绝了选择方程和结果方程相互独立的原假设。模型拟合优度Wald检验在1%的统计水平上显著。误差项系数ρμa在1%的统计水平上显著,说明农户脆弱性模型存在样本选择偏差。且ρμa值为负,表明采纳农户脆弱性值比一般农户小,即相较于一般农户的脆弱性水平低;ρμn值为正,表明未采纳农户比一般农户更加脆弱。

表5 农户稻虾共作技术采纳决策模型与农户脆弱性模型联立估计

农户稻虾共作技术采纳决策的回归结果如表5(1)列所示。风险偏好、土地流转状况金融贷款服务、农资店数量均显著正向影响农户的稻虾共作技术采纳决策。对于农户而言,采纳稻虾共作技术是一项风险投资,风险偏好程度高的农户,具有较强的接受新事物的能力和冒险精神,进而做出采纳该技术的决策[30]。农户作为理性的经济人,土地流转能优化土地资源配置效率,提高稻虾共作技术生产效率[31]。农户由于自有资金有限,前期稻田改造、良种和虾苗采购的大量资金投入,金融贷款能有效促进农户采纳稻虾共作技术。农资店数量越多,就越能满足稻虾户对大规模、多元化农资购买的需求,促使其采纳该技术[32]。年龄、参保行为、农业保险服务显著负向影响农户的采纳决策。稻虾共作属于劳动、技术密集型技术,农户年龄越大,面临着劳动供给能力、认知能力和学习能力退化的问题,且学习动机弱,可能缺乏技术采纳的积极性[33]。稻虾共作技术有“一田双收”之利,通过增加作物种类分散农业风险。而农户参保越积极、获取农业保险越便利,越倾向于摒弃这一风险分散工具,转而通过农业保险实现收入平滑。

农户脆弱性的估计结果如表5列(2)~(3)所示,参保行为显著负向影响采纳和未采纳农户的脆弱性,且在1%的统计水平上显著。农业本身的弱质属性,使得农户面临着自然、市场等多重风险的冲击。农户参保后风险分担机制介入,能以经济补偿的形式削弱农业风险因素的负向冲击[34]。土地流转状况显著负向影响采纳农户的脆弱性,显著正向影响未采纳农户的脆弱性,分别在1%和10%的统计水平上显著。对于采纳该技术的农户而言,大多倾向于转入土地,以扩大或者实现适度规模经营,使技术收益最大化以降低其脆弱性。而未采纳该技术的农户,多倾向于将土地转出,此时农户会失去土地的社会保障功能或者面临失地风险,进而加剧其脆弱性。技术培训服务对采纳农户的脆弱性有着负向影响,对未采纳农户的脆弱性有着正向影响,且分别在1%和5%的统计水平上显著。对比未采纳该技术的农户,采纳该技术的农户更能从稻虾工作技术培训中受益,有利于农户对稻虾共作技术的掌握和熟练,把握技术的关键环节,进而实现高产、优质的生产目标,获得超额经济收益以促进自身生计资本积累。农业保险服务负向影响采纳和未采纳农户的脆弱性,且分别在5%和1%的统计水平上显著。农业保险服务获取越便利,就越能保证农业正常生产、农民收入兜底,使得农户遭遇风险时也不至于陷入贫困之中。农资店数量正向影响采纳和未采纳农户的脆弱性,分别在5%和1%的统计水平上显著。可能的原因是农资店以营利为目的,向农户传递的化肥、农药等物资的种类在品质和用量上可能会偏离生产效率最大化的目标,甚至会使得农户蒙受经济损失,加剧农户脆弱性。此外,随着农户年龄的增加,未采纳农户的脆弱性会降低。可能的解释是未采纳该技术的农户主要从事水稻单作,种植周期短、机械化程度高,且年长意味着种植经验积累丰富。因此,对未采纳的农户而言,并非年龄越大越脆弱。

3.2 稻虾共作技术采纳对农户脆弱性的处理效应分析

由表6可知,农户采纳稻虾共作技术能显著降低其脆弱性。表现为,在考虑反事实假设下,实际采纳该技术的农户若不采纳其脆弱性将会上升1.277。即采纳该技术使农户脆弱性由0.455下降至-0.822,下降了280.659%。相对应地,实际未采纳稻虾共作技术的农户若采纳该技术其脆弱性将会降低0.312,由-0.705降至-1.017,下降了44.255%。表明稻虾共作技术在当前的推广和发展状况下,符合脱贫、减贫目标,是切实有效的乡村振兴和精准扶贫工具。

表6 采纳稻虾共作技术对脆弱性的平均处理效应

3.3 稳健性检验

该文采取同时替换回归模型和变量的方法进行稳健性检验。参考有关研究[35]该文在利用生物农药认知这一变量替换是否采纳的基础上,采用PSM(倾向得分匹配)方法对内生转换模型的结果进行稳健性检验。由表7可见PSM一对一匹配法显示,采纳稻虾共作技术的农户对比未采纳该技术的农户脆弱性会下降0.151,比用内生转换模型所得的ATT值小得多,但在方向和显著性上高度一致。因为PSM方法无法考虑不可观测因素的影响,得到的估计结果可能是有偏的。而内生转换模型则充分考虑了可观测和不可观测因素导致的选择性偏误,把第一阶段的偏误项自动添加到第二阶段,估计采纳稻虾共作技术对农户脆弱性的影响,所得的估计结果更加科学。

表7 PSM一对一匹配估计

3.4 非农就业的调节效应分析

由于农户的技术采纳决策受个体认知、意愿等因素的影响,而以上因素通常难以观测和测量,存在遗漏变量导致的内生性问题。因此,该文拟利用工具变量法检验非农就业的调节效应,并通过两阶段最小二乘法(2SLS)进行工具变量回归,以解决存在的内生性问题。

如前文所述,将生物农药认知作为是否采纳的工具变量。相应地,与非农就业的交互项也是对应的工具变量。表8中列(1)~(2)是两阶段最小二乘法(2SLS)第一阶段的运行结果,表明工具变量与内生变量有极强的相关性。参考相关研究[36],该文利用Kleibergen-Paap Wald rk F统计量检验生物农药认知、生物农药认知*非农就业是否为弱工具变量。检验结果显示F统计值分别为29.172和33.808,均在1%的统计水平上拒绝弱工具变量的假设。此外,由于传统的豪斯曼检验在异方差情形下不成立,所以该文利用DWH检验说明内生性问题。结果表明DWH检验得P值为0.000,故可认为是否采纳、能否区分生物农药*非农就业为内生变量。

因此,2SLS回归结果是可靠的。表8(3)列表明,非农就业在技术采纳和农户脆弱性之间起到正向的调节作用。即随着农户非农就业水平的提高,农户采纳稻虾共作技术会一步步加剧其脆弱性。具体而言:一是农户非农就业水平提高会导致“劳动力流失效应”,即参与非农经营将会消耗过多家庭劳动力或者占用较多时间,无法精心管护稻田中的小龙虾和水稻,从而导致农牧业生产管理方式粗放,技术效率降低[37]。二是农户从事非农就业面临失业、工资拖欠和人身安全等问题,在我国的劳动法律制度和社会保障体系有待完善的情况下,农户从事非农就业的法律保证和社会认同未得到充分重视,进而增加其收入不确定性和面临风险冲击的可能,导致脆弱性加剧[38]。

表8 非农就业的调节效应

4 研究结论与政策建议

4.1 研究结论

基于内生转换模型和非农就业水平的调节效应,该文构建了“稻虾共作技术—非农就业—农户脆弱性”理论分析框架,阐述了农户采纳稻虾共作技术对其脆弱性的影响及非农就业水平在二者间的调节作用。在此基础上,利用湖北、湖南和安徽3省974份农户微观调研数据进行了统计和实证分析,结果如下。

(1)采纳稻虾共作技术能有效降低农户脆弱性。在反事实假设下,农户采纳该技术对比未采纳时脆弱性降低了280.659%,未采纳农户若采纳该技术脆弱性将下降44.255%。

(2)非农就业水平在农户技术采纳和脆弱性之间起到正向的调节作用,即随着农户非农就业水平的提高,采纳稻虾共作技术农户的脆弱性水平反而会提高,变得愈加脆弱。

(3)农户的个体特征、家庭特征、社会服务的便利性及村庄特征是影响农户的稻虾共作技术采纳决策和脆弱性的重要因素。具体表现为:农户年龄、风险偏好、参保行为、土地流转状况、农业保险和金融贷款服务的便利性及农资店数量显著农户稻虾共作技术采纳决策;不论农户是否采纳,参保行为、土地流转状况、技术培训和农药保险服务的便利性对农户脆弱性的影响均显著。

4.2 政策建议

基于以上研究结论,为促进农户采纳稻虾共作技术、降低农户脆弱性以实现长效脱贫,该文提出以下政策建议。

(1)加强以稻虾共作技术为代表的生态种养技术研发。一方面发挥提高技术的增产、提质能力,通过增加农户收益增强农户抵御风险能力,进而降低其脆弱性;另一方面切实把握农户技术需求,增强技术的可用性与可推广性,使得稻虾共作技术降低脆弱性的效应得以发挥。

(2)将非农就业水平低的农户作为稻虾共作技术推广和采纳的关键群体。非农就业水平低的农户采纳该技术的机会成本小,同时有足够的精力、劳力,更能保证稻虾共作技术的生产效率。

猜你喜欢
稻虾脆弱性变量
大通湖流域稻虾种养尾水分析与治理对策
工控系统脆弱性分析研究
研究揭示稻虾共作时空分布特征
稻虾共作模式下小龙虾养殖对水体环境的影响
寻求不变量解决折叠问题
抓住不变量解题
2019年第一季稻虾行情报告新鲜出炉,致敬奋战在一线的广大虾农们
基于PSR模型的上海地区河网脆弱性探讨
基于DWT域的脆弱性音频水印算法研究
煤矿电网脆弱性评估