审慎取信Meta分析对农业可持续性的评估报告

集约化农业对生态系统健康产生潜在负面影响，尤其温室气体排放增加、生物多样性丧失、土地退化以及由于营养物质过量流失危害水质等。因此，需要更加可持续的农业实践，比如低投入系统或有机农业，来达到维持产量的同时增加农田多样性景观，改进草地及放牧管理。在欧盟，有一系列的法规和政策框架来普及可持续农业实践，包括全欧盟统一农业政策（Common Agriculture  Policy）和欧盟绿色新政的新政策，比如“从农场到餐桌”和“生物多样性2030战略”、《自然恢复条例》、碳移除认证系统，以及最近通过的土壤监测法。为了制定更有效的政策，《欧盟农业未来战略对话报告》强烈呼吁，将加强可持续农业实践作为实现可持续农业的关键策略。在这一政策语境下，需要有扎实的科学证据来确定环境影响最小的农业实践。

关于可持续农业的现有科学文献非常丰富。基于2025年4月11日在谷歌学术（Google Scholar）上按 “可持续农业(Sustainable agriculture)”一词搜索，就有150万条以上的记录，仅文献综述就超过86,500篇。其中，数据集成分析（也称元分析，荟萃分析，Meta分析）通过定量方式综合多个单独试验的结果，提高了分析的统计能力，因为它们采用的数据量至少是单个研究报道数据量的几倍。在过去20年里，农业和环境科学领域发表的Meta分析研究论文数量呈指数增长。这样的研究，以定量方式总结了大量试验结果，已成为向政策制定者和从业者传递良好农耕实践，实现可持续性目标能力的公认工具。

一项Meta分析首先是基于严格且透明的系统评阅流程，这包括几个关键阶段，旨在将偏差降到最低并最大化结果的有效性。首先是确定研究范畴和纳入标准；其次通过在多个数据库中进行全面的搜索策略来识别相关研究，研究论文的选择涉及按照预先确定的标准来评定各个互相独立的研究，以确保选择倾向最小化；其三是数据提取，会收集纳入研究中的标准化信息；其四是统计计算，使用合适的荟萃分析技术来整合数据并评估异质性；第五进行偏倚性评估，使用如Cochrane偏倚风险工具来评估研究的方法质量及其对整体结论可能产生的影响。整个过程保持透明，有时会在详细的方案在发表的文章中记录，这样可以方便审查和他人重现研究。

遵循上述原则可以提高Meta分析的可靠性和实用性，但Meta分析论文的质量仍然令人担忧。已有几项对农业可持续性领域Meta分析质量评估的研究认为，部分研究遵循了严格的研究流程，而另外的很大部分确实采用的方法不那么严格。例如，Philibert等人评估的73项Meta分析中，只有16%报告了发表偏倚性；而Beillouin等人评估的99项作物多样化Meta分析中，40%的研究报告了发表倾向性。另外，Meta分析论文的重现性也存在问题。对于上述举例的两个评估来说，分别只有18%和35%的数据源文献提供了数据访问权限，只有10%到40%的数据源文献满足文献检索和选择的重现性标准。严重缺乏数据透明度，与数据研究的FAIR原则（可查找性Findability、可访问性Accessibility、互作性Interoperatability和可再用性Reusability）相冲突。这也阻碍了科学界方便地获取数据进行重新分析、整合新研究以及减少主管倾向性。

在农业可持续性领域已有的一些关于Meta分析质量的评估中，一些研究关注于特定的实践（例如作物多样化、有机农业）带来的结果（例如土壤相关影响或淡水生态影响），而另一些研究则进行更综合的Meta分析质量评估，例如一项2012年就已经发表的研究。然而，随着该领域已发表Meta分析论文数量的快速增加，现在有必要进行一次更新的评估。此外，现在是时候可以评估农业可持续性领域Meta分析的质量是否随时间发生了变化，这是本文的主要目标。本文考虑自2000年以来已发表的Meta分析的质量是否有所提升，因为这提供了足够长的时间来评估变化。我们使用了一个涵盖570篇报告农业实践对气候、环境和生产力结果影响的Meta分析的综合数据集（JRC-农业实践证据库）。我们首先根据一套质量标准来评估这些Meta分析，这些符合系统评阅和Meta分析优先报告条目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）标准框架（注释图）以及近期对农业和生态科学领域研究论文的质量评估。然后，我们检查Meta分析论文作者提供的原始数据集，以评估它们在多大程度上遵循FAIR原则（数字资产的可查找性、可访问性、互操作性和可重用性）。最后，基于我们的评估结果，为未来开展最佳实践Meta分析提供新的建议。

注释图  系统性综述和Meta分析应遵循的PRISMA流程图

由Moher等2009年提出, 2020年和2025年更新。*，可能的话，请考虑报告从搜索的每个数据库或文献记载中辨识的记录数；**，如用了自检工具，请说明有多少记录人工剔除的，多少记录是自检工具标识剔除的

1 对可持续农业Meta分析的总体质量评估

我们使用16个标准（表1）来评估1313项独立试验评估（以下简称“评估报告”），即针对农业实践/影响组合对处理和对照数据对（Data pair）的Meta分析评估（见补充表S1、S2），这些评估报告在570篇同行评审的Meta分析文章中，并在JRC农业实践数据集（2023版）中分类表列给出。这些标准涵盖了系统评价和Meta分析报告中不同的推荐项目，包括研究范围、论文搜索与选择、数据提取与统计分析、透明度和偏倚性（表1）。我们还包括另外8个更详细的标准（表2）来评估一部分与Meta分析一起发布的数据集样本。

过去20年中，发表报告Meta分析的论文数量呈指数增长，其中超过80%的论文是在2015年以后发表的。每篇Meta分析所包含的原始研究数量也随着Meta分析发表年份的增加而显著增加（p<0.001），尽管不同Meta分析论文间的差异很大，取决于农作实践的类型（见图S1a）。这表明，与数据生态系统的合理循环原理相呼应，事实上也贡献了数据积累的合理循环，增量证据在Meta分析中不断被整合。

与此同时，发现自2002年以来，Meta分析质量评分显著提高（图1a）。在包含的所有农作实践Meta分析中，2002年发表的Meta分析研究平均质量满足所选质量标准的一半（质量评分为0.5），而2022年发表的Meta分析平均质量评分达到了0.85。然而，在这里考虑的评估中，满足完整标准的不到1/40（质量评分=1）（图1b）。在整个考虑的时间段内，大多数评估（即1313个分析中>650个）满足10到14个标准（图S1b）。尽管有些标准几乎总是被满足，但满足其他标准的Meta评估不到总数的50%（图1c）：

• 系统性综述步骤符合标准的PRISMA图的仅占26%的案例；

• 分析了发表偏倚性的占32%的案例；

• 呈现各个原始试验效应值的仅占35%的案例；

• 原始研究的数据集可获取的仅占37%的案例。

尽管 PRISMA 声明最初发表于 2009 年，人们可能会期望meta分析质量其后会相应提高。然而，我们并没有观察到整体平均质量明显的峰值（图 1a）。

表1 欧盟联合研究中心(JRC)农业实践数据集及本研究采用的数据分析质量指标

注：PRISMA，系统性综述与Meta分析遵循的标准报告程序（范式）。

图1 系统性综述和Meta分析的评估质量分布

(a)、评估总体质量得分的年际变化；(b)、所分析的1313份评估报告得分分布；(c)、各评估指标得分占所分析评估报告的比例

2 对可持续农业措施及其效果的数据对质量评估

对可持续农业Meta分析中10 种主要农耕实践及其7方面效果的58 对试验组合进行了质量评估。如图 3 所示，每个组合包含 1 到 75 个以上的单个指标的分别评估。这些组合数据基于欧盟联合研究中心数据库中细分的农耕实践集合（补充数据表 S1）及其效果（补充数据表 S2）得出的。此外，各个农作措施及其效果分别质量评分（连同标准差 SD）示于补充图 S3 中。

我们发现，在21个数据对组合中，满足质量标准的平均比例超过0.75。这意味着在16项质量指标中平均有12项或更多被满足。对生物多样性的评估通常显示，在大多数农作类别中质量得分高于0.75（图3），满足标准的平均比例为0.78（标准差=0.14）（补充图S3）。相比之下，其他可持续性措施的平均质量得分低于0.75（补充图S3）。对植物保护措施的评估显示平均质量得分高于0.75（平均比例为0.79，标准差=0.11）；但评估数量相对较少，只有7个结果有4个被覆盖。一些特定组合的质量得分和评估数量相对较高，例如农业生产中的水管理措施，土壤健康中的轮作和多样化，以及资源的可持续利用等。

图2 评估报告质量得分随发表年份的变化

Meta分析评估中满足16个质量标准的比例（%）的年际趋势；线条表示拟合回归及其相关的95%置信区间；点的大小（小球到大球）代表所发表年的评估分析论文数量，而颜色深浅（蓝色到紫色）代表得分占比

另一方面，与畜牧业和粪肥管理相关的农作措施在所有方面的质量评分都较低 (<0.75)。同样，对于有机农业和水管理方面的农作措施的数据对质量也存在模糊性，它们在某些可持续性效果上显示出高质量，但在其他方面却显示低质量。农业生产的情况也是如此（对其中4类农作措施来说是高质量，而对另外5类则是低质量）（图3）。对于同一个措施/效果组合，评估次数多的情况通常与平均质量评分低于0.75的阈值相关。

补充图 S4 和 S5 关注 34 个农作措施及其 34 个外部影响的进一步分类，报告每个组合的平均质量评分（补充图 S4）、每个组合的Meta分析数量（补充图 S5）以及任一种耕作方式下低质量Meta分析的百分比（补充图 S5），总共涉及 1313 次评估。这些更详细的图显示了游离于图 3 总体趋势的一些例外情况。例如，泥炭地管理和生物多样性保持只有0.38这样的低质量得分。对于一些农田管理类别（例如，免灌溉和粪肥处理技术），超过一半的数据组合的质量分数低于0.75（见补充图S4）。我们还发现，大约25%的农田管理-影响组合的数据对没有得到高质量（分数>0.75）的评估分（见补充图S5），而且一些农田管理类别的影响中，低质量评估覆盖的比例明显更高（最高超过60%，见补充图S5）。例如，分别有52个和57个评估组合数据来自增效肥料和有机农业系统Meta分析，但其数据对中仅覆盖7个和15个外部影响指标。这些相对广泛的证据对资料中，大约60%的影响指标都没有高质量评估得分（见补充图S5）。此外，结合模型研究（例如生命周期评估）的Meta分析的平均质量通常低于实证研究，而绝大多数基于模型的评估也并未达到高质量（>0.75）。

所观察到的Meta分析质量良莠不齐凸显了透明报告和原始数据可获取的重要性，这样其他人就可以识别、复制并扩展进行更高质量的分析，特别是在整体质量表现参差不齐的领域。

图3 所分析的评估报告中农作实践措施（纵坐标）和可持续性外部指标结果的质量分布

不同农作实践类别与可持续性外部结果组合的Meta分析平均质量评分，可在 欧盟联合研究中心农作措施数据库(JRC-Farming-Practices dataset)（2023版本）中找到。气泡大小表示满足该项得分的评估报告数量）；颜色标度（从低到高由浅色到紫色）表示该评估报告在16 项质量标准中满足指标的比例。红色外圈表示平均质量满足比例低于 0.75（即没有达到平均满足 16项标准中的 12 项以上）

3 原始数据的质量和可再用性评估

我们发现，Meta分析论文提供的原始数据的质量和可再用性普遍较低（图4）。我们通过使用8个额外的指标评估原始数据，以涵盖与其透明度、可再用性和质量相关的其他方面（表2）。我们分析了54个数据集的随机子样本（数据在补充数据表S2中可获得），发现只有1个数据集满足所有8个指标（质量得分=1，图4b），大约一半的数据集质量得分不超过0.3（图4b）。不到20%的数据集报告了：（a）实验的地理坐标；（b）数据引用，即用来明确标识报道了每个成对比较的原始数据的发表论文DOI；（c）处理这些数据的统计脚本（例如R语言、Python 软件或其他语言)。只有38%的Meta分析论文以规范格式、完整且分别的参考文献列表提供了原始研究论文的清单。做到下面这样的要求的Meta分析论文不到60%：（a）提供了标准化的统一数据栏目格式，读者可以即用即算的数据表（dataset）；（b）提供了一个清晰的“读懂我”文件包，详细说明了所有元数据、变量名和缩略语（图4a）。最后，如图4a所示，约60%的数据集提供了干预组和对照组的分别数据，约有50%的数据集提供了可以轻松用于重新分析的格式（例如，Excel或csv文件的电子表格），其余的数据集则不太容易获取（例如以pdf文件形式提供）。

考虑到总共 570 个 Meta分析论文中只有 215 个提供了原始数据（图 1），而在这里只分析了大约四分之一的数据集的质量，我们仍然可以得出结论——现今的Meta分析中存在严重的数据可重复性问题。这表明，我们需要努力提高Meta分析评估的潜在质量，尤其是如图 3 及补充图S4、S5 所示的缺乏足够质量的农作措施-影响组合。

图4 Meta分析用数据集的质量

对Meta分析作者发布的原始研究数据集的质量和透明度进行的评估。在570个Meta分析中，只有37%（即215个）随论文发布原始数据集（见图1c）；本次评估在从可用的215个数据集中随机选择了54个数据集样本进行分析；a、满足每个标准的评估数据集数量和比例（%）；b、在达到质量评分阈值（8项标准中完成的标准数量）方面，评估数据集的数量（及比例%）分布；参考文献列表和原始质量评估数据可在补充数据2中获取

本文对农业可持续性领域的570篇Meta分析的质量进行了全面评估。我们发现，自2000年以来，Meta分析质量显著提高，每年大约提升1.1%（由图1中方程式得到，原文写作11%有误）（图1）。这一趋势反映了人们对标准化发表导则（如PRISMA指南）不断重视和采纳，在涉及搜索策略、数据提取和统计分析的标准上质量提升尤为明显。具体来说，对搜索数据库和搜索词的报告更加详尽，反映出文献检索更加全面和可重复。在数据提取方法方面的改进表明透明度和可重复性趋向增加，同时对各个不同研究的加权处理和异质性的分析提示采用具体统计方法和程序上也有所进步，这些进一步反映出我们所观察到的 Meta分析质量的提升趋势。

尽管这些趋势令人鼓舞，与Meta分析方法学其他重要方面相关的质量却停滞不前或进展有限（图2）。研究选择（Study selection）标准的报告和所选研究文献列表的呈现并没有随时间显著改善。在报告各个 (Individual) 效应值、分析发表偏倚性以及完全PRISMA遵循优先报告项目指南方面仍然需要改进，这凸显了在Meta方法培训和教育方面的新需求，同时也需要科学界在透明度和严谨性上有本质性的转变。所幸，最近一直在努力推进在农业和环境科学领域的培训和教育。

最关键的是，原始数据的可获取性、可重复使用性和数据质量基本上没有得到改善。这样的缺乏透明度是科学研究中的一个突出瓶颈，阻碍了数据的再共享利用、整合新发现以及 FAIR 原则的应用。这限制了发展“数据生态系统的良性循环”，这种良性数据循环允许数据可以随时被重新分析和重新利用。例如，原始试验的地理坐标可以用来获取描述试验地点的土壤-气候变量，这对于研究空间变异性非常重要，并且可以用于拟合空间依变回归模型，以预测特定地理-土壤-气候或农业条件下农业实践的影响。在我们看来，这种限制数据访问可能源于对数据所有权的担忧，以及缺乏数据标准化，以及缺乏足够的培训和基础设施来管理和共享由具体的原始研究产生的数据集。

此外，我们注意到，用于集成模拟数据的Meta分析模型的质量通常低于基于实证研究的那些Meta分析，这表明需要制定具体的指南来规范该领域（基于模拟运算或估计的研究）的报告和分析。

本文的上述发现强调了Meta分析文献作为指导农业可持续发展政策决策的可靠资源，其可靠性正在不断提高。尽管如此，科学界仍需重点解决一些短板（无论是针对这里评估的质量标准，还是参考 PRISMA 标准中完整的清单）才能充分发挥Meta分析的潜力。根据我们的研究结果，最佳改进建议包括如下所列：

文字：潘根兴

排版：赵   正