基于层次分析法的大田型智慧农场发展水平评价研究

林 悦 吴 勇

（1.芜湖职业技术学院国际经贸学院，安徽 芜湖 241003；2.合肥工业大学管理学院，安徽 合肥 230009；3.安徽工程大学经管学院，安徽 芜湖 241000）

0 引言

智慧农业作为深度融合现代信息技术的农业生产模式，已成为当今世界现代农业发展的趋势［1］。随着智慧农业不断得到各国政府和业界的广泛重视，与其相关的研究也逐渐增多。例如，蒋璐闻［2］、赵春江［3］、陈媛媛等［4］从不同视角对比了中外智慧农业发展现状，提出我国智慧农业未来发展的战略目标与主要任务。殷浩栋等［5］从我国现实约束出发，探究了符合我国国情的智慧农业发展路径与政策建议。目前，我国已有一批基础设施条件较好的大田型农场率先开启了智慧农业生产模式，逐步向大田精准作业迈进。在此背景下，大田型智慧农场发展水平成为衡量种植业发展水平与大田型农场竞争力的重要指标。然而，查阅文献发现，对智慧农场发展水平进行评价的研究较少，尚无学者构建出大田型智慧农场发展水平评价指标体系。发展水平无法得到量化评价，智慧农场发展就缺乏科学指导［2］。鉴于此，笔者利用层次分析法（Analytic Hierarchy Process，AHP）构建大田型智慧农场发展水平评价指标体系，并对5家农场进行实证分析，以期为大田型智慧农场的经营管理实践提供参考。

1 评价指标体系构建

通过阅读文献、分析智慧农业发展的相关理论，并结合走访农场，确定了资源基础、关键能力、经营绩效3个维度为大田型智慧农场发展水平评价指标体系的一级指标。之后，通过咨询专家，参考国外智慧农业发展经验，结合我国智慧农业、物联网技术等发展现状，确定二、三级指标，最终形成包含3个一级指标、11个二级指标、43个三级指标的大田型智慧农场发展水平评价指标体系，如表1所示。

表1 大田型智慧农场发展水平评价指标体系

2 各指标权重计算与分析

该评价指标体系共有3个维度、43个指标，各个指标在综合评价中的重要程度是不一样的。地位重要的，应予以较大的权重；反之，应该给予较小的权重。笔者利用层次分析法确定各指标的权重。

2.1 构建判断矩阵

邀请专家对各指标的重要程度进行打分，确定各指标之间的相对重要关系，从而构建两两比较判断矩阵。矩阵中的aij表示ai相对aj的重要程度。如果前者更为重要，那么aij＞1；如果两者同样重要，则aij=1。

2.2 计算相对于目标层各评价指标相对重要性次序的权重

判断矩阵的最大特征值和归一化的特征向量的计算步骤具体为

①正规化处置判断矩阵

②将判断矩阵中的元素相加

③对特征向量进行归一化处理

④计算判断矩阵A的最大特征值

式（4）中：（AW）i表示AW的第i个元素。

归一化后的特征向量W=［w1，w2，w3，…，wi］T，即为各评价指标对于目标层的权重。

2.3 进行判断矩阵的一致性检验

若能通过检测，意味着判断矩阵合理，存在解释价值。一致性指标CI为衡量判断矩阵不一致程度的指标。当CI为0时，判断矩阵一致；CI越大，判断矩阵的不一致程度越重。一致性指标计算公式为

RI是随机一致性指标。根据层次分析法中平均随机一致性指标RI取值参考表（见表2），计算判断矩阵的随机一致性比率CR，即CR=CI/RI。当CR＜0.1时，判断矩阵具有满意的一致性，或其不一致程度可以接受。

表2 层次分析法中平均随机一致性指标RI取值参考

经过计算，准则层B1、B2、B3的CR值分别为0.011 8、0.015 8、0.004 8，指标层C1至C5的CR值分别为0.014 1、0.008 8、0、0.013 7、0.007 8，指标层C6至C8的CR值分别为0.010 4、0.007 9、0.002 9，指标层C9至C11的CR值分别为0.003 2、0.015 8、0.002 3，以上各指标均通过一致性检验。同时，计算得到大田智慧农场发展水平评价指标权重如表3所示。其中，方案层中各指标的综合权重又称绝对权重，用以描述该指标在总体评价中的权重。其计算结果是方案层对应指标的权重、指标层对应指标的权重、准则层对应指标的权重之积。在一级指标中，资源基础在智慧农业发展中占据重要地位；在二级指标中，土地资源、智能生产及盈利水平是影响智慧农业发展的关键因素；在三级指标中，耕种面积、吸纳就业情况、单位产值农药施用量、产品检测情况、流动资金情况、智能农机配置等因素对智慧农业发展影响较大。

表3 大田型智慧农场发展水平评价指标权重

3 实证分析

3.1 研究对象选取

笔者经过实地走访、电话访谈后，最终筛选出位于江苏（苏）、安徽（皖）、湖南（湘）3省的5个大田型智慧农场进行实证分析。

3.2 数据获取与处理

为使评价更加全面，笔者构建了多维度的指标体系。为了使调研结果更加贴近现实，笔者选取的农场数据通过实地调研的方法获取。

在数据处理上，笔者构建的评价指标体系中既有定量指标也有定性指标。定性指标由8位专家进行打分，求其平均值。定量指标因量纲不同，无法进行直接比较、计算，故先将其标准化处理，最终得到无量纲的标准化数据表。将标准化数据与权重相乘，即可得到这5个大田型智慧农场发展水平的综合得分，见表4。综合得分计算公式为

表4 5个大田型智慧农场综合得分

式（6）中：wj是表3中方案层43个指标的综合权重，是标准化数据构成的评价矩阵。

从表4可以看出，这5个大田型智慧农场发展水平综合得分分别为0.715 6、0.729 0、0.724 0、0.995 1、0.761 3，湘4农场综合得分最高。在资源基础方面，湘4农场的得分明显高于其他4个农场，主要原因在于湘4农场可耕种土地面积大，智慧农业生产中所需设备齐全。在关键能力方面，5个农场的得分差异不大且得分都较低，主要原因在于农场主的受教育水平普遍不高，在物联网设备、信息集成系统的操作方面仍不熟练，这也是智慧农业发展中需要重视的一个方面。在经营绩效方面，5个农场的得分差异仍旧不大，原因在于各地政府都积极扶持大田型农场与智慧农业发展，并且粮价因受国家调控而差别不大，导致不同农场经营绩效差别不大。

4 结论及建议

4.1 结论

笔者构建的大田型智慧农场发展水平评价指标体系科学合理，涵盖3个维度、43个具体指标，可以从整体上衡量任何一家大田型智慧农场的发展水平，也可以对不同发展水平的智慧农场进行比较，根据智慧农场各指标的具体得分情况找到提升策略。利用层次分析法确定评价指标权重合理且有效，资源基础是一级指标中最重要的，土地资源、智能生产、盈利水平影响着智慧农场的整体发展水平。从实证分析结果足以可见，笔者构建的大田型智慧农场发展水平评价指标体系能较好地对各大田型智慧农场进行客观评价。

4.2 建议

4.2.1 资源基础方面。我国在基础设施建设上与发达国家有较大差距，而这又是智慧农业发展必不可少的硬件条件。因此，政府部门应加大农业设施配置的帮扶力度，智慧农场应努力提高智能农机配置率、视频监控覆盖率，并加强物联网设备的布控。发展智慧产业，技术人才必不可少，但目前我国针对智慧农业方面的技术人才缺少系统的培养，导致物联网设备及信息集成系统难以推广开来，从而阻碍了智慧农业发展。对此，政府部门应健全信息化人才培养机制，如依托国内高校，建设一个系统的信息化人才培养机制，为智慧农业可持续发展提供技术人才储备。

4.2.2 关键能力方面。受教育水平不高的影响，农场主普遍对智能生产技术的掌握有一定困难，对物联网设备、信息集成系统的操作不熟练。对此，政府应安排专业的农技人员到智慧农场向农场主传授信息化技术和相关系统操作技能，提升农场主使用智慧农业设备的信心和能力。

4.2.3 经营绩效方面。各智慧农场在经营绩效方面的差距虽然不大，但得分普遍不高。大多数大田型智慧农场将粮食按国家收储价格出售给政府相关部门。为提高盈利水平，各农场主可根据自身情况改变经营模式，如实施稻虾共养、打造品质农产品、建立农产品品牌等。

此外，智慧农场的建设与发展离不开政府的扶持。政府应对积极投入智慧农场建设的农场主适当发放补助，调动其积极性，并制定智慧农场生产标准，推动智慧农场规范化发展。