数字乡村建设赋能智慧农业发展现状调查报告

汤小莉　吴小二　孙安琪　郑丽君

摘 要：数字乡村赋能智慧农业是助力农村农业现代化的有利抓手，亦是推进乡村振兴战略的重要路径之一。基于当下智慧农业发展现状分析，本次调查宿州市砀山县智慧农业发展现状，深入发掘智慧农业的影响因素，编制了调查问卷并进行实地调研。共获取13个行政村430份问卷，涉及数字技术、基础设施、政策因素、农民素养、人才因素、资金因素六个方面。通过结构模型方程实证检验了六个方面的影响因素与智慧农业的作用机理。为宿州市砀山县智慧农业持续性发展尽绵薄之力。

关键词：智慧农业；数字乡村；影响因素；结构方程模型

一、引言

2022年2月，《中共中央、国务院关于做好2022年全面推进乡村振兴重点工作的意见》提出，“加快推动数字乡村标准化建设，研究制定发展评价指标体系，持续开展数字乡村试点。加强农村信息基础设施建设。”随着我国农业机械化的快速发展推广，农业的生产方式逐步向自动化、智能化过渡。数字经济时代，乡村振兴战略的实施面临着互联网、大数据等深度融合的创作机遇。本项目将综合运用问卷调查法和计量分析模型，以安徽省宿州市砀山县为例进行实地调研，运用结构方程模型分析数字乡村建设及其不同维度对智慧农业发展的影响效应及其差异进行实证研究。从而为宿州市数字乡村建设赋能智慧农业发展提供理论指导作用，为周边省市予于借鉴意义。

二、因素识别与研究假设

（一）数字技术与智慧农业

数字技术促进智慧农业发展。从农村大数据建设方面来看，智能化装备的应用程度及大数据互联网对智慧农业的影响程度起重要作用，从而实现智慧农业与自然资源利用的统一[1]。

假设1：数字技术对智慧农业高质量发展具有正面影响。

（二）基础设施与智慧农业

基础设施影响智慧农业发展。从推进高标准农田建设方面，农田规模化建设需因地制宜，差异化增加基础设施建设规模[2]。从提高农业生产效率方面，受到农村网络信息普及率影响，这使得农业生产率效率提高任重道远。从农村通信交通设施来看，农村交通设施建设是智慧农业发展的重要前提，农产品电商及物流成为发展智慧农业的重要环节[3]。

假设2：基础设施对智慧农业高质量发展具有正面影响。

（三）政策因素与智慧农业

政策因素促进智慧农业发展。从政府服务方面，乡村振兴的技术转向适应了政府服务职能转变和治理方式善治转型的时代需求[4]。从政府政策方面来看，本报告在总结前人研究成果后，提炼了惠农补贴政策、农机购置补贴政策、生产者补贴政策及小农金融融资政策四个方面进行因素分析。

假设3：政策因素对智慧农业高质量发展具有正面影响。

（四）农民素养与智慧农业

农民素养影响智慧农业的发展。在推进数字乡村建设过程中，仍然会出现“数字鸿沟”的现象。培养高素质农民计划，完善基层技术人员与农民教育体系，提高农民的信息化技能水平，是推动智慧农业的有力抓手[5]。本报告提取了数字化工具农作、数字化工具使用能力、数字化工具学习能力、网络信息获取能力四个方面进行影响因素分析。

假设4：农民素养对智慧农业高质量发展具有正面影响。

（五）人才因素与智慧农业

乡村振兴人才培养促进智慧农業发展。面对人才缺失和培养问题，数字乡村建设与农民素养提升两者之间存在耦合关系。目前乡村急需数字型人才，人才培养缺少系统性[6]。发展智慧农业学科是数字技术与农科教育教学交叉融合的载体。鉴于农业数字经济研究仍处于起步探索阶段，智慧农业建设也将持续深入完善[7]。本报告通过技术人才作用、建设性人才、引进专业人才和培养职业农民的影响因素进行分析。

假设5：人才因素对智慧农业高质量发展具有正面影响。

（六）资金因素与智慧农业

资金投入力度影响智慧农业发展。面对我国智慧农业起步晚，各项法律制度和设施不完善等问题，前期资金投入力度较大，回报率较低，导致资源匮乏、资金短缺的地区与水土资源富饶、经济发展快速富裕地区的差距较大[8]。本报告主要从承担智慧农业前期成本、政府资金投入、企业科技助农支持力度、智慧农业后期维护资金等多方面分析资金因素对智慧农业的发展影响。

假设6：资金因素对智慧农业高质量发展具有正面影响。

三、结构方程模型（SEM）方法

（一）模型构建与变量说明

1.模型建构

测量方程和结构方程是结构方程模型的重要的两个方面，结构方程模型既可以估计可观测的显变量之间的因果关系，也能够通过因子分析构成多个潜变量，讨论潜变量跟显变量或者潜变量之间的复杂关系。具体方程如下：

η=Вη+Гξ+ζ      （1）

γ=Λγη+ε        （2）

Χ=ΛΧξ+δ        （3）

公式（1）表示结构模型，体现了潜在变量内部与外部的关系。其中，η为潜变量的内生部分，В表示为潜变量中内生部分间的关系系数，ξ为潜变量的外生部分，Г表示潜变量的外生部分对内生部分的影响因素，ζ为结构模型的误差项。公式（2）及公式（3）为测量模型，体现了潜变量与观测量之间的关系。其中，γ为观测变量的内生部分，Λγ为γ在η上的因子负荷矩阵，ε为内生观测变量的误差项。同理，Χ为观测变量的外生部分，ΛΧ为Χ在ξ上的因子载荷矩阵，δ为外生观测变量的误差项。

2.变量说明

由KMO检验和Bartlett球形检验结果分析，六个影响因素的KMO值均大于0.6。Bartlett的球形检验的显著性小于0.001，各因素之间的相关性明显。

（二）实证分析

1.初始模型路径分析

报告调研数据已经进行了信度与效度分析，分析表明可信且有效，接下来运用Amos23.0软件进行结构方程模型检验。在进行初始结构方程模型拟合后得结构方程模型初始路径系数表，见表2。

从表2可以看出，政策因素对基础设施、资金因素、数字技术、人才因素的影响程度分别为为0.980、0.115、0.794、0.169。其p值均小于α。人才因素对农民素养的影响程度为0.639，p=0.000，表明显著性明显；数字技术对农民素养的影响程度为0.435，p=0.000，显著性明显；数字技术、基础设施、政策因素、农民素养、人才因素、资金因素对智慧农业发展的影响程度分别为为3.301、0.735、-3.021、-0.348、0.313、-0.166。由显著性易知，6个影响因素均对智慧农业有显著性影响。

3.结构方程模型结果分析（见图2）

如图2所示，经处理得出六个因子对智慧农业指数总影响效应依次是数字技术1.78、基础设施0.48、政策因素-2.2、农民素养-0.25、科技人才0.23、资金因素-0.08。其中数字技术对智慧农业的总效应最大，达1.78。量表中其三级因子对数字技术因子的路径系数都相对较高，分别为0.76、0.71、0.67以及0.61，根据其辐射关系，数字技术的提升对于智慧农业的发展具基础性意义。其中基础设施因子对智慧农业的总效应较高，达0.48，说明基础设施对智慧农业发展影响较大。科技人才对智慧农业的总效应较小，为0.23，量表中其三级因子对科技人才因子的路径系数都相对较高，分别为0.73、0.81、0.72、和0.72。因此科技人才对智慧农业发展具有影响。政策因素因子对基础设施因子的辐射影响较为明显，达1.03。政策因素因子对数字技术因子影响比较明显，达1.01。

四、结论

本文通过对安徽省宿州市砀山县的实地走访调研，最终获得有效问卷423份，运用结构方程模型分析数字乡村赋能智慧农业的影响因素。分析表明，6个变量均对智慧农业重要影响。数字乡村赋能智慧农业的最终目的是为了解决“三农”问题，进而实现乡村振兴。因此，针对宿州市的农业生产规模化程度，要创新发展模式，加大宣传力度。推动砀山县“数字”新基建与传统农业相结合，依托“数字”新基建开发、优化新产业，新业态，增强乡村居民的幸福感，提高人民生活质量。加大新基建投入，构建数字化农业体系，拓宽融资渠道，引进专业储备人才，优化顶层设计，引领智慧农业发展方向。宿州市政府应对于未来各区县智慧农业的发展趋势进行引导，根据当地发展特色，加快对智慧农业的发展框架的构建。

参考文献：

[1]许化英.以数字技术引领农业农村创新发展[J].农业工程技术，2022，42（21）：19-20.

[2]唐莹，陈梦涵.农业基础设施对农业经济韧性的作用机制与效应研究[J/OL].农林经济管理学报：1-11[2023-03-05].

[3]吴昌华，严志雁，陈桂鹏，丁建.江西智慧农业发展的困境与对策研究[J].农业经济，2022（12）：3-5.

[4]唐惠敏.数字技术赋能乡村振兴的理论阐释与实践发展[J].农村经济，2022，9（10）：42-51.

[5]李婷婷. 加快智慧农业建设 推动农业现代化发展[N]. 科学导报，2022-12-06（B04）.

[6]呂洪楼.数字乡村建设背景下农民数字素养提升的实践路径[J].乡村科技，2022，13（05）：10-13.

[7]张源清，何熠阳，郭晓丽，高志强.数字乡村背景下智慧农业学科发展困境及纾解[J].农业工程，2022，12（10）：120-125.

[8]张丽.智慧农业促进农村经济发展的对策研究[J].山西农经，2022（19）：57-59.

项目说明：宿州学院省级大学生创新创业训练计划项目资助。

[省创项目]宿州学院资助省级大学生创新创业训练计划项目（项目编号：S202310379126）