涉农人员对智慧农业建设的支持意愿及影响因素研究——以新疆察布查尔锡伯自治县为例

吴娜琳 ，张娣，李二玲 *，李小建

（1. 河南大学黄河文明与可持续发展研究中心/环境与规划学院/区域发展与规划研究中心，河南 开封475001；2. 城乡协调发展河南省协同创新中心，河南 郑州450046）

乡村振兴，农业技术和科技成果的应用不容忽视。但目前，我国农业生产主要依靠人工经验进行管理，缺乏科学系统的技术指导。我国政府自2015年首次提出“互联网+”行动计划开始，逐步将智慧农业作为转变农业发展方式、提升农业生产效率、促进农业转型升级的重要途径。2017年的中央一号文件提出要实施智慧农业工程，应用物联网、云计算、大数据、移动互联等现代信息技术，推进农业物联网试验示范和农业装备智能化。在智慧农业的推广与建设过程中，涉农人员，即参与农业产业活动的各种行为主体，如分散农户、专业大户、农业技术推广人员、农业中介组织（合作社）成员、从事农产品加工或销售的企业职工或管理人员、政府工作人员等对智慧农业的认知态度、了解程度将直接影响其支持智慧农业建设的意愿、参与智慧农业建设的积极性，最终影响智慧农业的推广与普及。尤其是对于地广人稀、信息相对闭塞、基础设施条件相对薄弱、更需要农业信息化的边疆县域，智慧农业的建设与发展不仅需要先进技术的支撑、政府的大力支持，更在于智慧农业真正的实施者——涉农人员的积极参与。因此，在智慧农业建设初期，研究涉农人员关于智慧农业的认知情况与支持意愿对推广智慧农业建设具有重要意义。

直接就智慧农业的研究尚停留于概念介绍、实施建议等简单的定性描述层面。国外相关研究多就两个方面展开讨论，一是如何将现代技术运用于农业生产。如El-kawy等[1]应用中等分辨率TM影像监测了埃及尼罗河三角洲西部土地资源的动态；Tapia-silva等[2]运用遥感影像和辅助数据对农作物受洪涝灾害后的损失情况进行了估测；Vaudour等[3]运用遥感技术分析了农作物种植面积及其空间分布格局；二是农户采纳新技术的影响因素问题。如Dimara和Skuras[4]研究了农业创新的采用过程，Adesina和Zinnah[5]分析了农民对技术性能的感知与其技术采纳之间的关系。而国内学者[6-7]目前多从农业生产技术开发与应用、农业信息化建设、农业电子商务等角度进行分析，对影响涉农人员支持意愿的研究同样很少。如闫湘等[8]和霍治国等[9]对提高农业肥料利用率与农业气象灾害风险评估技术的应用进行了研究；方慧和何勇[10]、刘小军等[11]研究了农田信息快速采集与处理系统和农业空间信息管理及辅助决策系统；葛文杰和赵春江[12]、许世卫等[13]、秦其明[14]、王晓喃和殷旭东[15]分别分析了物联网、大数据、“3S”技术、无线传感器网络等技术及平台在智慧农业中发挥的作用；梁云和刘培刚[16]、曾亿武等[17]学者对农业电子商务的研究现状和发展途径进行了梳理，并提出战略性建议。对农户采纳新技术的问题也有涉猎，如王艳和周曙东[18]分析了花生种植户机械化技术采纳行为特征，储成兵[19]分析了农户病虫害综合防治技术的采纳决策和采纳密度。但整体而言，国内外目前就涉农人员是否以及在多大程度上支持智慧农业实施的研究并不多见。

那么，什么因素会影响涉农人员对智慧农业建设的支持意愿呢？影响程度多大？据此，本文以我国西部边陲国家扶贫开发重点县，已成功组建农村电商、且渴望发展智慧农业的新疆察布查尔锡伯自治县为例，以来自该县不同工作岗位、不同认知水平的涉农人员为调查对象，就涉农人员对智慧农业的认知状况、影响涉农人员支持智慧农业建设的因素，采用探究理论、概念之间关系和结构的验证性统计方法——结构方程模型进行分析，为制定调动涉农人员参与智慧农业建设积极性的相关政策提供理论依据，为我国智慧农业的发展与建设提供实证参考。

1 理论假设

创新的扩散过程实则就是行为主体采纳创新的过程。在此过程中，影响行为主体采纳创新的因素将成为创新扩散成功与否的关键。同样，涉农主体对智慧农业建设的（支持或反对）态度，是涉农主体采纳智慧农业生产技术与否的关键。根据以往研究，影响人们采纳新技术的因素很多[20]。

1）现状满意度。Fishbein和Ajzen[21]于1967年提出了理性行为理论（Theory of Reasoned Action,TRA），整合了有关态度影响行为的不同理论；1989年Davis[22]以TRA为基础，探讨了认知因素和情感因素与技术采纳之间的关系，提出了TAM理论，该理论认为个体是否采纳新技术是由其行为意向决定的，行为意向是由行为主体的态度和感知共同决定的，其他因素通过影响感知进而影响态度、行为意向。感知越有用或感知越好，则采纳或支持的意愿就越强[23]。同理，在涉农人员认为智慧农业的建设有利于农业发展的情况下，当其感知自身所在区域农业的信息化水平、机械化水平等能够顺利承接智慧农业建设所要求的各项条件，且感知当地农业生产的规模化水平、管理方式、销售模式需要借助智慧农业的建设以促进其进一步发展时，则其支持意愿就强。

2）涉农人员年龄、文化水平和身份特征的影响。根据认知心理学相关理论，人们的信念决定其偏好，进一步决定其决策和行为[24]。由于人类个体在性格、心理等先天特征方面存在一定的差异，且年龄、文化水平、个人能力等后天因素亦不尽相同，因此，不同个体在面对同样的决策问题时，心理反应不同，进而其决策意愿存在着一定差异[25-27]。如朱萌等[28]研究发现，性别、受教育程度、家庭人口数、家庭人均年收入、现有住房价值、是否参加农业技术培训等是影响其采纳保护性耕作技术的主要因素；储成兵[19]发现，农户文化程度、环保意识、参加IPM技术的培训、非农收入占比、农业信息的获取和贷款的可获得性显著促进农户对IPM技术的采纳。

3）信息获取能力。行为主体从多种渠道获取的相关信息是其分析、判断事物的依据，是铸就自身感知、认知的基础。即信息获取能力直接影响了行为主体获取信息的多寡与质量，间接左右了其感知、认知水平，继而影响其行为决策[29]。因而，信息渠道被视为影响农户采纳新技术的重要因素，有限的信息渠道可能成为新技术在早期采纳中的主要障碍[30]。目前来看，智慧农业虽然在政界、商界、学界等并不陌生，但对于信息化水平有限的偏远地区，涉农人员由于获取信息的渠道不同，对先进技术的了解、对国家政策的把握可能会有所差异，从而导致其对智慧农业认知的不同。涉农人员对智慧农业了解越多，应该越明白智慧农业建设的益处，则支持智慧农业建设的意愿可能就越强。

4）地理区位。已有研究发现，地理区位是影响农户采用技术的主要因素之一[31]。农业的发展受地理条件和区位的影响较大，而智慧农业的建设将大大改善这一点。首先，由于智慧农业的音视频技术、3S技术、无线通信和专家智慧与知识，实现了可视化远程诊断、远程控制、灾变预警等智能管理，使得靠天吃饭或土壤培肥困难的地方的农业发展不再受制于“先天不足”的瓶颈；其次，智慧农业中的电子商务、食品溯源防伪等拓展了农产品的市场空间，改善了偏远地区无公害农产品的销售环境；再次，智慧农业为农业休闲旅游提供信息服务与支撑平台。因此，智慧农业被作为消除贫困、实现后发优势的主要途径。由此可以推测，认为自身所在区域地理环境越差、区位优势越不明显、地理位置对当地农业发展和自身经济收入影响越大（简称地理效应）的涉农人员，要求实施智慧农业建设的呼声可能越高。

5）创新意识。创新意识是衡量人们改进或改造旧事物，以达到更好满足社会需求的意识。现代农业的发展，需要“有文化、懂技术、会经营、善管理”且具有开拓和创新精神的新型农民[32]。研究发现，农民的创新意识和创新能力直接影响其生产经营绩效[33]。智慧农业是将物联网技术、现代信息技术运用到农业产业领域中，是对农业传统生产方式的挑战与变革。因此，智慧农业的建设与发展需要参与人员具有一定的文化基础、学习和接受新事物的能力，即创新意识和水平。

总之，涉农人员是否支持以及在多大程度上支持自身所在区域智慧农业的发展与建设，是其根据自身所掌握的信息进行综合判断的结果，同时也是在自我认知水平上的一种主观意愿或行为偏好。涉农人员自身的素质条件直接影响其搜集信息的能力和水平，而信息的质量、数量和结构是其分析现实需要和农业发展方向的依据，反映了其对智慧农业的认知和需求程度。在此过程中，行为者搜集信息的能力、行为者的个体特征以及对当前状况的认知等，均左右着其是否支持智慧农业建设的决策方向。

基于上述理论分析，本文假设，涉农人员自身特征影响其支持智慧农业建设的意愿；涉农人员对自身所在地发展现状的感知影响其对智慧农业建设的支持意愿，但影响方向不确定；涉农人员信息获取能力越强，则支持智慧农业建设的意愿越强；地理效应影响越大，涉农人员支持智慧农业的意愿越强。根据以上分析，构建结构理论模型（图1）。

图1 理论模型Fig. 1 Theoretical model

2 研究方法

2.1 案例选取

察布查尔锡伯自治县（简称察县，下同）位于中国新疆伊犁哈萨克自治州西北部，是国家级扶贫开发和对外开放县。全县总面积4 485 km2，人均耕地面积为0.6 hm2，主要农作物为小麦、玉米、水稻等。2016年全县播种面积8.54万hm2，其中粮食作物6.16万hm2，红花、食用菌、蔬菜、中药材等特色农产品面积达1.55万hm2。该县设施农业发展势头强劲，现有各类温室1 578座，各类拱棚8 933座，高产示范棚110座，设施农业全面应用防虫网、粘虫色板、防雾滴棚膜、膜下滴（暗）灌、夏季高温闷棚等生态栽培技术。

随着信息化技术的发展，县政府积极筹建电子商务产业园、建设农村电商和电子商务配套体系。目前，县、乡、村三级电商服务中心、站（点）已实现全覆盖，并依托察布查尔生态特产馆、巴扎网、供销e家等电商平台，将县域内农产品加工流通企业、专业合作社和种养殖大户引进其中，开展农产品网上交易，围绕有机水稻、红花等特色产品，开展互联网众筹，尝试将互联网向整个农业产业链拓展。截止当前，全县建立合作经营企业18家，专业合作社22家，已上线产品合计6大类38个单品，地推产品10类108个单品，累计销售额达数千万元。随着“互联网+”、物联网技术的推广，县政府希望进一步借助现代科技手段，促使县域农业产业朝现代化、智能化方向转型升级，建设智慧农业。

2.2 数据的获取

数据获取主要有两个方面：

1）官方数据。如新疆维吾尔自治区人民政府官网提供的2015年新疆、伊犁州、察县国民经济和社会发展统计公报；察县统计局提供的2016年领导干部手册，农业局提供的2015—2016年度总结报告、电子商务网点分布及运营数据等内部资料。

2）调查数据。首先，2016年9月20—23日，与察县人力资源与社会保障局、农业局、统计局等部门负责人就县域农业发展的整体情况进行了交流，通过实地走访粮食生产加工龙头企业、设施蔬菜基地、薰衣草基地等，获取县域农业整体发展状况。然后，从该县14个乡镇中随机抽取7类涉农程度不同的行为主体，就其自身特征、信息获取能力、创新意识、地理效应认知、支持智慧农业建设的意愿等情况进行问卷调查。于2017年3月10日，发放问卷310份，回收问卷285份，其中，有效问卷257份，有效率为90.18%。

2.3 模型选择与数据处理

结构方程模型是探究理论、概念之间关系和结构的一种验证性统计方法。它整合了因子分析、路径分析和多重线性分析的思想和方法，能表现多维的相互关系和多个要素间的相互影响。结构方程模型可测出潜在变量的信效度，并且可以减少潜在变量的测量误差，使其较为精确[34]。它包括两部分，其中，测量模型结构为：

结构方程模型表示为：

式中：x、y分别是外衍指标与内衍指标组成的向量；Λx、Λy为指标变量x、y的因素负荷量，表示指标与变量之间的关系；ξ、η分别是外衍与内衍潜在变量；Bη、Γ表示内外衍潜在变量的系数矩阵；δ、ε分别为外衍和内衍测量变量x、y的误差项；ξ为结构方程的残差项，反映η在方程中未能被解释的部分。目前，该模型已大量运用于意愿、满意度等分析研究中[35]。

根据理论假设及模型要求，本研究对拟选用的指标数据进行了如下处理：1）为保证数据向量具有较高的可靠性和稳定性，运用SPSS22.0计量分析软件，选择了Cronbach’s α系数与折半信度系数两种信度分析方法，对模型所有变量和各个潜在变量进行信度分析。2）为保证模型的拟合效度更高，选取因子分析法，对问卷所有变量进行结构效度分析。选取依据为：KMO值大于0.5，Barlett球形度检验卡方统计量均达到显著标准，抽取的因子累计贡献率大于50%。3）根据理论框架，借助理论与经验，在AMOS22.0软件中画出初设模型路径。之后，对初始数据检验结果进行拟合度检验和比较之后，添加变量残差之间的相互关系，去掉显著性较弱的路径关系等，最后输出参数估计。

2.4 变量选取

基于理论架构和其他相关研究[36-38]，将反映涉农人员自身条件、现状满意度、信息获取能力、地理效应认知和支持意愿的40个指标作为观察变量（由被调查人采用李克特五级量表法进行打分给出）。首先，按照研究假设，运用SPSS 22.0将外衍指标与内衍指标组成的向量进行相关性分析，剔除不符合理论经验或与内生潜变量各观察变量相关系数较低的外生潜变量的观察变量；之后，对整理后的向量矩阵做因子分析，删掉因子负荷量小于0.5的观察向量；最后，根据各组向量矩阵的共性特征划分类别并命名。整理后，共得出由17个观察变量构成的6个潜在变量，其中，内生潜变量由2个观察变量反映，即为“支持意愿”，外生潜变量如信息获取能力、地理效应认知、现状满意度、自身条件和创新意识等由各观察变量反映（表1）。

表1 模型指标变量Table 1 Model index variable

4 结果与分析

4.1 基本特征描述性分析

1）涉农人员自身特征。就样本来看，有效受访者以男性为主，占70.0%，年龄集中在30～50岁之间者，占85.2%。受访者涉农类型以一般农户为主，占52.9%；此外，政府工作人员也较多，占35.4%，受访者文化水平集中在初中和大专水平之间，占比68.9%，具有本科学历的仅占18.7%；71.6%的受访者家庭年收入在10 000～50 000元之间。涉农人员家庭劳动力人数方面，绝大多数家庭以2人为主，占55.6%；此类家庭中成员最高学历以初中和本科为主，分别占38.1%和27.2%（表2）。

2）涉农人员对智慧农业建设的支持意愿特征。统计显示，涉农人员表示对智慧农业“非常了解”的人数不少，占样本量的25.0%；表示“了解”的人数更多，占样本总量的56.8%；而“不太了解”、“知道一点”或“没有听说过”智慧农业的人数均较少，分别占样本量的13.6%、2.3%和2.3%。由此可见，察县在某种程度上具有建设智慧农业的群众基础。但，察县是否具有建设智慧农业的条件呢？不同涉农人员的回答不同。认为该县“不太具备”或“基本具备”智慧农业建设条件的涉农人员所占比重均较低，分别为6.8%和11.4%；大多数（65.9%）涉农人员认为该县“具备”智慧农业的建设条件；此外，15.9%的受访者认为该县“充分具备”智慧农业的建设条件。将二者结合来看，对智慧农业越了解、越认为察县具备智慧农业建设条件的涉农人员越支持县域智慧农业的建设。如分析显示，非常了解智慧农业的人员中，64.7%者表示非常支持智慧农业的建设，而从没听说过智慧农业的41.5%的涉农人员均表示不太支持智慧农业；认为察县充分具备智慧农业建设条件的涉农人员中，58.3%者愿意支持县域智慧农业的建设，而认为不太具备的人员中，54.2%者不支持县域智慧农业的建设（表3）。以上发现与相关研究结论[39-40]和前文理论分析相符。

4.2 数据检验与分析

信度分析显示，17个观察变量的Cronbach’s α系数为0.859，折半信度系数为0.688，说明量表信度较好；因子分析法显示，KMO值为0.851，Barlett球形度检验卡方统计量均达到显著标准，抽取的因子累计贡献率为62.890%，大于50%，说明本文模型具有较高的可信度；验证性因子显示，绝对拟合指数与相对拟合指数基本达标，其中RMSEA接近完美标准值（RMSEA 0.05为完美标准），CFI、IFI的值均大于0.9，AGFI值十分接近0.9（表4）。由此可知，理论模型总体适配度良好，对问题的解释性较强。模型中潜在变量对观察变量的显著性P值全部小于0.05水平，且大部分均低于0.001，说明模型拟合度显著性较强，所设观察变量可以用来解释潜在变量。

表2 涉农人员自身特征Table 2 Characteristics of agricultural personnel

4.3 涉农人员对智慧农业建设的支持意愿影响因素分析

从模型计算结果可以看出，本文理论假设基本得到验证。涉农人员自身条件并不直接影响其支持意愿，但其通过信息获取能力、现状满意度、地理效应认知等间接影响着支持意愿；农业信息获取能力对智慧农业建设的支持意愿具有正向影响；地理影响越高者对智慧农业建设的支持意愿越强；涉农人员对县域农业发展现状的评价直接影响其对智慧农业建设的支持意愿（表5）。唯独涉农人员的创新意识与其对智慧农业建设的支持意愿相关性不强。

1）信息获取能力对支持意愿产生显著正向影响。信息获取能力一方面直接影响支持意愿，影响系数为0.808；另一方面通过现状满意度间接影响支持意愿，系数为0.076。其中，朋友从事过微商或开过网店、关注国家农业政策、上网查看农业信息的频率对支持意愿的影响系数分别是0.884、0.787和0.628，即越了解电子商务、关注农业政策和信息的人群越支持察县智慧农业的建设。调查中也发现这类人群自主发展能力较高，对提高县域农业农产品利润的看法多倾向于政府、企业、地方联合，建设信息乡镇、村级平台，施行农业信息化。农业信息会推动农业技术的创新，涉农人员在接受信息的同时，学习甚至掌握了他人的先进技术及科学经营理念。因此，信息获取能力越强的涉农人员一般越了解智慧农业，在农业上越具有主动性和创新性，并愿意支持。

2）地理效应认知对支持意愿呈显著正向影响。由模型可知，地理效应认知通过影响现状满意度从而间接影响支持意愿，系数为0.034；通过影响信息获取能力、现状满意度从而间接影响支持意愿，影响系数为0.031。调查发现，地理环境及位置对察县农业和农户家庭收入均产生一定的影响，尤其是在贫困地区，地理因素对农业收入的影响较大。察县每年都会不同程度的受到旱涝、寒潮等农业灾害的影响，但自2010年察县政府通过推行农业保险覆盖全县农牧民政策，一定程度上减缓了地理环境对农户的影响。这使得该政策受益群体认为察县因地理环境导致的自然灾害、土壤盐碱化等问题，可以通过智慧农业的建设而改善，在他们看来，智慧农业能够实现高产增收、智能化预测和农业基础设施的全面覆盖。

3）现状满意度对支持意愿产生显著正向影响。分析显示，现状满意度对涉农人员支持智慧农业意愿的影响系数为0.163。现状满意度中，涉农人员对农产品销售方式认可度的影响系数为0.163，其与管理方式认可度（0.152）、生产方式认可度（0.137）、政府满意度（0.134）、机械化水平认知（0.114）差异不大。即涉农人员对察县当前的农产品销售方式、农业管理方式、农业生产方式、农业机械化水平、政府管理政策等越认可，则其越支持县域智慧农业的建设。原因可能在于涉农人员认为察县当前的农产品互联网销售模式、高度机械化和规模化的生产现状、政府科学高效的管理方式能够保障智慧农业建设的顺利实施，察县具备智慧农业建设的条件，故而支持意愿更强。

表3 涉农人员的支持意愿（%）Table 3 Percentage of agricultural personnel with supporting willingness

表4 各模型整体拟合指数Table 4 Overall fitting index of each model

4）自身条件对支持意愿产生显著影响，但影响机制与方向复杂。不同于其他变量，自身条件并未直接影响涉农主体的支持意愿，但其通过地理效应认知、信息获取能力、现状满意度间接对支持意愿产生显著影响，影响系数分别为0.168、0.017和-0.066，合计为0.119。观察变量结果分析显示，年龄、文化水平、涉农类型等自身条件的观察变量间接影响涉农主体的支持意愿。其中，年龄对支持意愿产生负向影响，即年龄越大越不支持智慧农业的建设；而文化水平对支持意愿产生正向影响；涉农人员职业类型对其支持意愿亦产生显著正向影响，而涉农人员职业类型是根据专家意见及与智慧农业的关系紧密度而设计的，由此可知，与智慧农业关系越密切的涉农人员，其支持智慧农业建设的意愿越强烈。

5 结论与建议

5.1 结论

用农业科技创新驱动乡村振兴，是创新驱动战略和乡村振兴战略的有力结合点。2017年我国农业科技贡献率达到57.5%，意味着科技进步对农业增长的贡献率超过土地、资本和其他所有要素的总和，也标志着中国农业发展已从过去主要依靠增加资源要素投入转入主要依靠科技进步的新时期。然而，创新技术与现代农业的有效融合需要涉农人员尤其是农户的理解支持和广泛参与。研究证实了涉农人员的自身条件、信息获取能力、现状满意度和地理效应认知对其支持意愿的正向影响，这些结论为进一步在操作层面加快农业科技的成果转化、提高农业创新的采纳率提供了决策参考。

然而，研究没有证实涉农人员的创新意识与其支持意愿的关联程度，这一方面说明我国对新技术在农业中运用的宣传不到位，造成涉农人员的创新意愿与前沿创新技术没有严格相符，另一方面也说明我国农户的知识结构与现代农业的先进技术需求还存在相当大的差距，加快弥合此知识差距已迫在眉睫。如何针对各类涉农人员提升自身素质、提高信息获取能力、加深对最新农业技术的本地应用认知、提高其现状满意度，也是需要进一步研究的方向。

5.2 建议

第一，提高涉农人员的自身素养，促使其快速接受先进的农业理念和农业科技。一方面，要注重本土人才的培养，如吸引大学生返乡创业，注重在当地选拔一批具较高文化素质和发展潜力的年轻人才，对其就智慧农业的相关技术与操作进行全方位培训，以弥合涉农人员的知识结构与现代农业先进技术需求之间的差距；另一方面，要大力引进人才。比如，在智慧农业建设初期，引进能够熟练掌握智慧农业相关技术、能够为智慧农业的建设提供思路或规划方案的专家、工程师、规划师等。

表5 模型路径估计结果Table 5 Estimation results of the model

第二，提高涉农人员的信息获取能力。加强县域农业信息化基础设施建设和管理水平，为涉农人员获取农业科技信息提供条件。比如，政府可与龙头企业合作在地广人稀、劳动力缺乏且能够实施规模化农业生产的地区，逐步推广农业生产自动化监控、检测技术，将精准感知技术、决策管理技术运用到普通专业大户的农业生产过程当中来；筹建电子商务产业园、建设农村电商和电子商务配套体系，实现县、乡、村三级电商服务中心、站（点）的覆盖率；激励县域涉农企业开展电子商务，实现农产品线上线下交易；支持农民采用微博、微信进行农产品的销售，支持淘宝村的发展；成立电子商务协会，加强农业信息化的组织与管理。

第三，加强宣传力度，提升涉农人员对智慧农业的认知度。首先，选取高素质涉农人员，尤其是专业大户、涉农企业管理人员、政府领导等，通过实地参观学习、技术讲座等方式，加强本土涉农人员对智慧农业概念的理解和认识，了解和学习智慧农业建设的基本条件。其次，以政府宣传、互联网信息发布平台、成立培训机制等为途径，借助鲜活灵动、通俗易懂的方式，让更多的涉农人员了解智慧农业。加大科技兴农力度，培育新型职业农民。

第四，提高涉农人员对本地发展条件的地理效应认知，助推农业科技的成果转化。依托高校、企业、农业技师等各方面的专业人才、依托当地资源优势，确定地方发展特色方向，加大科技投入，整合技术，利用政产学研各部门之间的合作互动、协同创新，形成一批先进高效、便于学习与推广的技术应用模式，以农业科技创新为农业智能化和现代化发展助力。

致谢：察布查尔县人力资源与社会保障局、农业局为本文研究提供了方便和数据，特表谢忱！

参考文献：

[1] El-kawy O R A, Rød J K, Ismail H A, et al. Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data[J]. Applied Geography, 2011, 31(2): 483-494.

[2] Tapia-silva F O, Itzerot S, Foerster S, et al. Estimation of flood losses to agricultural crops using remote sensing[J]. Physics and Chemistry of the Earth, 2011, 36(7): 253-265.

[3] Vaudour E, Noirot-cosson P E, Membrive O. Early-season mapping of crops and cultural operations using very high spatial resolution Pléiades images[J]. International Journal of Applied Earth Observations and Geoinformation, 2015, 42: 128-141.

[4] Dimara E, Skuras D. Adoption of agricultural innovations as a two-stage partial observability process[J]. Agricultural Economics,2015, 28(3): 187-196.

[5] Adesina A A, Zinnah M M. Technology characteristics, farmers’perceptions and adoption decisions: A tobit model application in Sierra Leone[J]. Agricultural Economics, 1993, 9(4): 297-311.

[6] 李瑾, 冯献, 郭美荣, 等. “互联网+”现代农业发展模式的国际比较与借鉴[J]. 农业现代化研究, 2018, 39(2): 194-202.Li J, Feng X, Guo M R, et al. The international comparison,tendency and reference of the development mode of “internet+”modern agriculture[J]. Research of Agricultural Modernization,2018, 39(2): 194-202.

[7] 申强, 董磊, 庞昌伟, 等. 基于“互联网+”农产品供应链质量监管体系研究[J]. 农业现代化研究, 2017, 38(2): 219-225.Shen Q, Dong L, Pang C W, et al. Quality supervision system of agricultural product supply chain in the background of“internet+”[J]. Research of Agricultural Modernization, 2017,38(2): 219-225.

[8] 闫湘, 金继运, 何萍, 等. 提高肥料利用率技术研究进展[J].中国农业科学, 2008, 41(2): 450-459.Yan X, Jin J Y, He P, et al. Recent advances in technology of increasing fertilizer use ef ficiency[J]. Scientia Agricultura Sinica,2008, 41(2): 450-459.

[9] 霍治国, 李世奎, 王素艳, 等. 主要农业气象灾害风险评估技术及其应用研究[J]. 自然资源学报, 2003, 18(6): 692-703.Huo Z G, Li S K, Wang S Y, et al. Study on the risk evaluation technologies of main agrometeorological disasters and their application[J]. Journal of Natural Resources, 2003, 18(6): 692-703.

[10] 方慧, 何勇. 基于掌上电脑的农田信息快速采集与处理系统的研究[J]. 农业工程学报, 2004, 20(6): 124-128.Fang H, He Y. Field information collection and processing system based on palm-sized personal computer[J]. Transaction of the Chinese Society of Agricultural Engineering, 2004, 20(6): 124-128.

[11] 刘小军, 朱艳, 姚霞, 等. 基于WebGIS的农业空间信息管理及辅助决策系统[J]. 农业工程学报, 2006, 22(5): 125-129.Liu X J, Zhu Y, Yao X, et al. WebGIS-based system for agricultural spatial information management and aided decisionmaking[J]. Transactions of the Chinese Society of Agricultural Engineering, 2006, 22(5): 125-129.

[12] 葛文杰, 赵春江. 农业物联网研究与应用现状及发展对策研究[J].农业机械学报, 2014 , 45(7): 222-230.Ge W J, Zhao C J. State-of-the-art and developing strategies of agricultural internet of things[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(7): 222-230.

[13] 许世卫, 王东杰, 李哲敏.大数据推动农业现代化应用研究[J].中国农业科学, 2015, 48(17): 3429-3438.Xu S W, Wang D J, Li Z M. Application research on big data promote agricultural modernization[J]. Scientia Agricultura Sinica,2015, 48(17): 3429-3438.

[14] 秦其明. “3S”技术在精细农业发展中的应用研究[J]. 中国农业资源与区划, 2000, 21(6): 55-58.Qin Q M. The application of “3S” technologies in precision agriculture[J]. Journal of China Agricultural Resources and Regional Planning, 2000, 21(6): 55-58.

[15] 王晓喃, 殷旭东. 基于6LoWPAN无线传感器网络的农业环境实时监控系统[J]. 农业工程学报, 2010, 26(10): 224-228.Wang X N, Yin X D. Agricultural environment real-time monitor and control system based on 6LoWPAN sensor networks[J].Transaction of the Chinese Society of Agricultural Engineering,2010, 26(10): 224-228.

[16] 梁云, 刘培刚. 中国农业电子商务发展途径分析[J]. 华中农业大学学报(社会科学版), 2009(5): 1-5.Liang Y, Liu P G. Analysis on approaches to develop agriculture e-business in China[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2009(5): 1-5.

[17] 曾亿武, 万粒, 郭红东. 农业电子商务国内外研究现状与展望[J].中国农村观察, 2016(3): 82-93.Zeng Y W, Wan L, Guo H D. Agricultural e-commerce research: A review of the current status and prospects[J]. China Rural Survey,2016(3): 82-93.

[18] 王艳, 周曙东. 花生种植户机械化技术采纳行为实证分析[J].南京农业大学学报(社会科学版), 2014, 14(5): 106-112.Wang Y, Zhou S D. An empirical analysis on adoption behavior of mechanization technology by peanut growers[J]. Journal of Nanjing Agricultural University (Social Sciences Edition), 2014,14(5): 106-112.

[19] 储成兵. 农户病虫害综合防治技术的采纳决策和采纳密度研究——基于Double-Hurdle模型的实证分析[J]. 农业技术经济,2015(9): 117-127.Chu C B. Study on the farmer’s adoption decision and the density of the technology of integrated pest control-empirical analysis based on double-hurdle model[J]. Journal of Agrotechnical Economics, 2015(9): 117-127.

[20] 埃弗雷特·M·罗杰斯. 创新的扩散[M]. 辛欣, 译. 北京: 中央编译出版社, 2002.Rogers E M. Diffusion of Innovations (Fourth Edition)[M]. New York: The Free Press, 1995.

[21] Fishbein M, Ajzen I. Predicting and Changing Behavior: The Reasoned Action Approach[M]. New York: Psychology Press,2011.

[22] Davis F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. Mis Quarterly, 1989,13(3): 319-340.

[23] 万绪才, 赵梦娟. 外国人来华旅游意愿及其影响因素——基于客源国居民旅游感知的视角[J]. 地理研究, 2016, 35(10): 1973-1982.Wan X C, Zhao M J. Analysis of foreigners’ willingness to travel to China and its in fluencing factors: Based on the perspective of tourism perception of source-country residents[J]. Geographical Research, 2016, 35(10): 1973-1982.

[24] Denzau A T, North D C. Shared mental models: Ideologies and institutions[J]. Kyklos, 2010, 47(1): 3-31.

[25] 吴娜琳, 李小建, 乔家君. 欠发达农区农户农业生产风险决策的行为分析——以金融危机影响下柘城县三樱椒种植户为例[J].河南社会科学, 2012, 20(12): 59-62.Wu N L, Li X J, Qiao J J. Analysis of farmers’ risk decision in development rural area: A case of papper farmers of Zhecheng County under the in fluence of the financial crisis[J]. Henan Social Sciences, 2012, 20(12): 59-62.

[26] 俞文钊. 当代经济心理学[M]. 上海: 上海教育出版社, 2004.Yu W Z. Contemporary Economic Psychology[M]. Shanghai:Shanghai Education Publishing House, 2004.

[27] 李楠楠, 李同昇, 于正松. 基于Logistic-ISM模型的农户采用新技术影响因素——以甘肃省定西市马铃薯种植技术为例[J].地理科学进展, 2014, 33(4): 542-551.Li N N, Li T S, Yu Z S. Factors in fluencing farmers’ adoption of new technology based on Logistic-ISM model: A case study of potato planting technology in Dingxi City, Gansu Province[J].Progress in Geography, 2014, 33(4): 542-551.

[28] 朱萌, 齐振宏, 罗丽娜, 等. 不同类型稻农保护性耕作技术采纳行为影响因素实证研究——基于湖北、江苏稻农的调查数据[J]. 农业现代化研究, 2015, 36(4): 624-629.Zhu M, Qi Z H, Luo L N, et al. Empirical analysis of in fluencing factors of the adoption of the conservation tillage technology by different types of rice farms: Case study of rice farms in Hubei and Jiangsu Province[J]. Research of Agricultural Modernization,2015, 36(4): 624-629.

[29] 姚缘. 信息获取、职业流动性与新生代农民工市民化: 基于辽宁省的调查[D]. 沈阳: 沈阳农业大学, 2013.Yao Y. Information acquisition, job mobility and citizenization of the new generation of migrant workers: Based on a survey in Liaoning Province[D]. Shenyang: Shenyang Agricultural University, 2013.

[30] Schipmann C, Qaim M. Spillovers from modern supply chains to traditional markets: Product innovation and adoption by smallholders[J]. Agricultural Economics, 2010, 41(3/4): 361-371.

[31] Khanna M. Sequential adoption of site-speci fic technologies and Its implications for nitrogen productivity: A double selectivity model[J]. American Journal of Agricultural Economics, 2001,83(1):35-51.

[32] 曾福生, 夏玉莲. 农地流转与新型农民培育研究——基于多项式分布滞后模型的实证分析[J]. 农业技术经济, 2014(6): 14-21.Zeng F S, Xia Y L. Research on rural land circulation and cultivation of new type professional farmers: Empirical analysis based on polynomial distribution lag model[J]. Journal of Agrotechnical Economics, 2014(6): 14-21.

[33] 耿献辉, 刘志民. 农民学习能力对生产经营绩效的影响——基于山东省大蒜主产区272个农户调查数据的实证研究[J]. 南京农业大学学报(社会科学版), 2013, 13(6): 27-32.Geng X H, Liu Z M. Evolution of rural irrigation order in the context of social mobility: A case study of Jiang Village in Anhui Province[J]. Journal of Nanjing Agricultural University (Social Sciences Edition), 2013, 13(6): 27-32.

[34] 吴明隆. 结构方程模型——AMOS的操作与应用[M]. 重庆:重庆大学出版社, 2015.Wu M L. Structural Equation Model: AMOS Operation and Application[M]. Chongqing: Chongqing University Press, 2015.

[35] 毛小岗, 宋金平, 冯徽徽, 等. 基于结构方程模型的城市公园居民游憩满意度[J]. 地理研究, 2013, 32(1): 166-178.Mao X G, Song J P, Feng H H, et al. Residents recreation satisfaction index of Beijing city parks based on SEM[J]. Geographical Research, 2013, 32(1): 166-178.

[36] Kim H, Park E, Kwon S J, et al. An integrated adoption model of solar energy technologies in South Korea[J]. Renewable Energy,2014, 66(6): 523-531.

[37] 吴娜琳, 李小建, 乔家君. 农户行为与专业村形成的关系研究——以河南省柘城县史老八杨木加工专业村为例[J]. 地理科学, 2014, 34(3): 322-331.Wu N L, Li X J, Qiao J J. The relationship between households’behavior and the formation of specialized village: A case study of plywood processing specialized village of Shilaoba, Zhecheng County in Henan Province, China[J]. Scientia Geographica Sinica,2014, 34(3): 322-331.

[38] 胡豹, 卫新, 王美青. 影响农户农业结构调整决策行为的因素分析——基于浙江省农户的实证[J]. 中国农业大学学报(社会科学版), 2005(2): 50-56.Hu B, Wei X, Wang M Q. Factors affecting peasant households’decision-making behavior of agricultural structural adjustment: A case study of farmers in Zhejiang Province[J]. Journal of China Agricultural University (Social Sciences Edition), 2005(2): 50-56.

[39] 冯忠泽, 李庆江. 农户农产品质量安全认知及影响因素分析[J].农业经济问题, 2007, 28(4): 22-26.Feng Z Z, Li Q J. An analysis of farmer’s cognition on agricultural products quality and securoty and the in fluencing factors[J]. Issues in Agricultural Economy, 2007, 28(4): 22-26.

[40] 朱明芬, 李南田. 农户采用农业新技术的行为差异及对策研究[J].农业技术经济, 2001(2): 26-29.Zhu M F, Li N T. Studies on differences of farmers’ adopting new agricultural technologies and countermeasures[J]. Journal of Agrotechnical Economics, 2001(2): 26-29.